| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第11-17页 |
| 1.1 QAP问题描述 | 第11-13页 |
| 1.1.1 QAP介绍 | 第11-12页 |
| 1.1.2 QAP的benchmark | 第12-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.2.1 ACO和VNS结合的方法 | 第13页 |
| 1.2.2 空间地形分析 | 第13页 |
| 1.2.3 解空间的模式结构定义 | 第13-14页 |
| 1.3 研究意义 | 第14-16页 |
| 1.3.1 QAP问题 | 第14页 |
| 1.3.2 ACO算法和VNS算法 | 第14-15页 |
| 1.3.3 解空间结构的学习 | 第15页 |
| 1.3.4 解模式对提高算法性能的尝试 | 第15-16页 |
| 1.4 本文结构 | 第16-17页 |
| 第二章 求解QAP的元启发算法综述 | 第17-23页 |
| 2.1 Simulated Annealing:模拟退火算法 | 第17页 |
| 2.2 Genetic Algorithm:遗传算法 | 第17-18页 |
| 2.3 Tabu Search:禁忌搜索 | 第18页 |
| 2.4 ANT Algorithm:蚂蚁算法 | 第18-20页 |
| 2.5 Variable neighborhood search：变邻域搜索 | 第20页 |
| 2.6 解空间的地形分析及模式 | 第20-22页 |
| 2.7 小结 | 第22-23页 |
| 第三章 QAP问题的FDC分析 | 第23-37页 |
| 3.1 简介 | 第23-24页 |
| 3.2 基本概念 | 第24-26页 |
| 3.3 实验 | 第26-33页 |
| 3.3.1 VNS-ANT算法 | 第26-31页 |
| 3.3.2 数据表示 | 第31-32页 |
| 3.3.3 实验方法 | 第32-33页 |
| 3.4 结果分析 | 第33-36页 |
| 3.4.1 unstructured, randomly generated实例分析 | 第33-34页 |
| 3.4.2 instance with grid-distance实例分析 | 第34页 |
| 3.4.3 Real-life instance分析 | 第34-35页 |
| 3.4.4 Real-life like instance分析 | 第35页 |
| 3.4.5 综合分析 | 第35-36页 |
| 3.5 小结 | 第36-37页 |
| 第四章 QAP问题的解模式分析 | 第37-45页 |
| 4.1 解模式与搜索空间的关系 | 第37-38页 |
| 4.2 解模式的动态学习 | 第38-42页 |
| 4.2.1 数据分析 | 第38-39页 |
| 4.2.2 动态学习算法 | 第39-42页 |
| 4.2.3 解模式学习算法 | 第42页 |
| 4.3 SchemaANT算法设计 | 第42-44页 |
| 4.3.1 SchemaANT算法描述 | 第42-43页 |
| 4.3.2 算法分析 | 第43-44页 |
| 4.4 小结 | 第44-45页 |
| 第五章 实验结果分析 | 第45-53页 |
| 5.1 VNS-ANT算法结果分析 | 第45-49页 |
| 5.2 SchemaANT算法实验结果分析 | 第49-51页 |
| 5.3 小结 | 第51-53页 |
| 第六章 结束语 | 第53-55页 |
| 6.1 论文总结 | 第53页 |
| 6.2 结论和下一步工作 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表文章目录 | 第59-61页 |
| 致谢 | 第61-62页 |
| 附录A QAP实例的文件结构 | 第62-63页 |
| 附录B 代码说明 | 第63-65页 |
| 附录C 代码片段 | 第65-67页 |
