| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-23页 |
| ·研究背景 | 第14-15页 |
| ·群智能优化算法的现状及发展 | 第15-18页 |
| ·蚁群优化算法 | 第15-16页 |
| ·微粒群算法 | 第16页 |
| ·蜂群优化算法 | 第16-17页 |
| ·人工鱼群算法 | 第17-18页 |
| ·混合蛙跳算法 | 第18页 |
| ·量子组合算法研究现状及发展 | 第18-21页 |
| ·量子遗传算法 | 第19页 |
| ·量子退火算法 | 第19-20页 |
| ·量子聚类算法 | 第20页 |
| ·量子神经网络 | 第20页 |
| ·量子微粒群算法 | 第20-21页 |
| ·研究内容 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 量子群智能优化算法理论基础 | 第23-35页 |
| ·群智能优化算法基本原理及其算法步骤 | 第23-30页 |
| ·蚁群优化算法(ANT COLONY OPTIMIZATION, ACO) | 第23-26页 |
| ·人工蜂群算法(ARTIFICIAL BEE COLONY ALGORITHM, ABC) | 第26-28页 |
| ·人工鱼群算法(ARTIFICIAL FISH SWARM ALGORITHM, AFSA) | 第28-30页 |
| ·量子计算基本原理 | 第30-34页 |
| ·量子比特 | 第30-31页 |
| ·量子逻辑门 | 第31-33页 |
| ·基本量子算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 量子蚁群优化算法 | 第35-84页 |
| ·量子蚁群算法基本思想 | 第35页 |
| ·量子蚁群算法基本步骤 | 第35-36页 |
| ·求解 0-1 背包的量子蚁群算法 | 第36-39页 |
| ·问题描述 | 第36页 |
| ·信息素表示 | 第36-37页 |
| ·信息素更新 | 第37页 |
| ·求解 0-1 背包问题的QACA算法步骤 | 第37-38页 |
| ·数值实验 | 第38-39页 |
| ·车辆路径问题的量子蚁群算法 | 第39-46页 |
| ·问题描述 | 第39-40页 |
| ·车辆路径问题中的量子比特及量子旋转门表述 | 第40-41页 |
| ·状态转移规则 | 第41-42页 |
| ·信息素的更新 | 第42-43页 |
| ·车辆路径问题的量子蚁群算法步骤 | 第43页 |
| ·数据实验及分析 | 第43-46页 |
| ·带时间窗的车辆路径问题的量子蚁群算法 | 第46-54页 |
| ·问题描述 | 第46-47页 |
| ·带时间窗车辆路径问题中的量子比特及量子旋转门表述 | 第47-48页 |
| ·状态转移规则 | 第48-49页 |
| ·信息素的更新 | 第49页 |
| ·带时间窗车辆路径问题的量子蚁群算法步骤 | 第49-50页 |
| ·时间复杂性分析 | 第50页 |
| ·数据实验及分析 | 第50-54页 |
| ·Steiner最小树问题的量子蚁群算法 | 第54-62页 |
| ·问题描述 | 第54-56页 |
| ·STEINER最小树问题的量子比特及量子旋转门表述 | 第56-57页 |
| ·状态转移规则 | 第57页 |
| ·信息素的更新 | 第57-58页 |
| ·S点的搜索 | 第58页 |
| ·利用GROVER量子算法构造最小生成树 | 第58-59页 |
| ·算法步骤 | 第59-60页 |
| ·时间复杂度分析 | 第60-61页 |
| ·数值实验 | 第61-62页 |
| ·求解图着色问题的量子蚁群算法 | 第62-69页 |
| ·问题描述 | 第62-63页 |
| ·信息素更新 | 第63-64页 |
| ·图着色问题的QACA算法设计 | 第64-65页 |
| ·算法步骤 | 第65-66页 |
| ·时间复杂度分析 | 第66页 |
| ·数值实验 | 第66-69页 |
| ·求解QoS组播路由问题的量子蚁群算法 | 第69-83页 |
| ·问题描述 | 第69-72页 |
| ·QOS问题求解中的量子比特和量子逻辑门 | 第72-73页 |
| ·状态转移规则 | 第73-74页 |
| ·信息素的更新 | 第74页 |
| ·量子信息素转换 | 第74页 |
| ·算法步骤 | 第74-75页 |
| ·时间复杂度分析 | 第75页 |
| ·收敛性分析 | 第75-77页 |
| ·数值实验 | 第77-83页 |
| ·本章小结 | 第83-84页 |
| 第四章 量子人工蜂群优化算法 | 第84-94页 |
| ·量子人工蜂群算法基本思想 | 第84页 |
| ·量子人工蜂群算法基本步骤 | 第84-85页 |
| ·求解旅行商问题的量子人工蜂群算法 | 第85-90页 |
| ·问题描述 | 第85-86页 |
| ·状态转移策略 | 第86-87页 |
| ·更新策略 | 第87-88页 |
| ·求解TSP的QABC算法步骤 | 第88页 |
| ·时间复杂度分析 | 第88页 |
| ·数据实验及分析 | 第88-90页 |
| ·求解 0-1 背包问题的量子人工蜂群算法 | 第90-93页 |
| ·更新策略 | 第90-91页 |
| ·求解 0-1 背包问题的QABC算法步骤 | 第91-92页 |
| ·数值实验 | 第92-93页 |
| ·本章小结 | 第93-94页 |
| 第五章 量子人工鱼群优化算法 | 第94-102页 |
| ·量子人工鱼群算法基本思想 | 第94页 |
| ·量子人工鱼群算法基本步骤 | 第94-95页 |
| ·求解旅行商问题的量子人工鱼群算法 | 第95-98页 |
| ·量子人工鱼群行为 | 第95-96页 |
| ·旅行商问题的量子人工鱼群算法步骤 | 第96页 |
| ·数值实验及分析 | 第96-98页 |
| ·求解 0-1 背包问题的量子人工鱼群算法 | 第98-101页 |
| ·量子人工鱼群行为 | 第98-99页 |
| ·行为选择 | 第99页 |
| ·求解 0-1 背包问题的QAFSA算法步骤 | 第99-100页 |
| ·数值实验 | 第100-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 量子群智能优化算法在室内定位中的应用 | 第102-111页 |
| ·指纹库 | 第102-103页 |
| ·定位问题的数学模型 | 第103-104页 |
| ·定位匹配 | 第104-107页 |
| ·量子蚁群匹配算法 | 第104-105页 |
| ·量子人工蜂群匹配算法 | 第105-106页 |
| ·量子人工鱼群匹配算法 | 第106-107页 |
| ·数据实验 | 第107-110页 |
| ·仿真实验 | 第108-109页 |
| ·实际测试 | 第109-110页 |
| ·本章小结 | 第110-111页 |
| 第七章 总结与展望 | 第111-113页 |
| ·全文总结 | 第111-112页 |
| ·进一步的工作 | 第112-113页 |
| 参考文献 | 第113-128页 |
| 在读期间公开发表的论文和承担科研项目及取得成果 | 第128-129页 |
| 致谢 | 第129页 |
