| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 引言 | 第9-11页 |
| 第1章 进化算法概述 | 第11-18页 |
| 1.1 进化规划 | 第12-13页 |
| 1.2 进化策略 | 第13-14页 |
| 1.3 遗传算法 | 第14-18页 |
| 1.3.1 遗传算法的概念 | 第14-15页 |
| 1.3.2 遗传算法的特点 | 第15页 |
| 1.3.3 遗传算法的基本原理 | 第15-16页 |
| 1.3.4 遗传算法的步骤 | 第16-17页 |
| 1.3.5 参数控制 | 第17页 |
| 1.3.6 算法结束条件 | 第17-18页 |
| 第2章 共同进化算法 | 第18-24页 |
| 2.1 协同进化算法 | 第18-21页 |
| 2.1.1 竞争协同进化 | 第19-20页 |
| 2.1.2 协作共同进化 | 第20-21页 |
| 2.2 问题和解共同进化算法 | 第21-24页 |
| 第3章 旅行商问题 | 第24-29页 |
| 3.1 旅行商推销员问题描述 | 第24页 |
| 3.2 TSP的应用 | 第24-25页 |
| 3.3 TSP的进展 | 第25页 |
| 3.4 现有的TSP计算方法 | 第25-29页 |
| 3.4.1 完全算法 | 第26-27页 |
| 3.4.2 不完全算法 | 第27-29页 |
| 第4章 问题和解共同进化遗传算法在TSP问题上的试探 | 第29-38页 |
| 4.1 传统遗传算法解决TSP问题主要思想 | 第29-34页 |
| 4.1.1 编码及适应度函数 | 第29-30页 |
| 4.1.2 选择机制 | 第30页 |
| 4.1.3 交叉策略 | 第30-33页 |
| 4.1.4 变异技术 | 第33-34页 |
| 4.2 问题和解共同进化遗传算法在TSP问题上的试探的主要思想 | 第34-38页 |
| 4.2.1 TSP问题的演变（或者是“进化”） | 第35-36页 |
| 4.2.2 Z坐标的初始值设置与变化函数设置 | 第36-37页 |
| 4.2.3 编码及适应度函数 | 第37页 |
| 4.2.4 选择机制 | 第37页 |
| 4.2.5 交叉策略 | 第37页 |
| 4.2.6 变异技术 | 第37-38页 |
| 第5章 实验结果及分析 | 第38-58页 |
| 5.1 参照TSPLIB不同城市，改进的方法与传统的方法比较 | 第39-50页 |
| 5.1.1 kroA100TSP问题实验结果 | 第39-41页 |
| 5.1.2 att532TSP问题实验结果 | 第41-44页 |
| 5.1.3 pr1002TSP问题实验结果 | 第44-47页 |
| 5.1.4 pr2392TSP问题实验结果 | 第47-50页 |
| 5.2 Z初始值不同，改进的方法与传统的方法比较 | 第50-54页 |
| 5.3 Z如何趋近于零，改进的方法与传统的方法比较 | 第54-58页 |
| 第6章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 进一步工作的方向 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
