改进的遗传算法和分布估计算法求解TSP问题
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·论文选题理由 | 第10页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·TSP 问题的研究现状 | 第11-12页 |
| ·遗传算法的研究现状 | 第12-13页 |
| ·分布估计算法的研究现状 | 第13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·论文结构组织 | 第14-16页 |
| 2 TSP 问题的概述 | 第16-24页 |
| ·TSP 问题的基本概念 | 第16-17页 |
| ·TSP 问题的定义 | 第16-17页 |
| ·TSP 问题的数学模型 | 第17页 |
| ·TSP 的分类 | 第17-18页 |
| ·TSP 的应用 | 第18-19页 |
| ·TSP 问题的计算方法 | 第19-21页 |
| ·精确算法 | 第19页 |
| ·近似算法 | 第19-20页 |
| ·智能算法 | 第20-21页 |
| ·本章小结 | 第21-24页 |
| 3 遗传算法简介 | 第24-34页 |
| ·遗传算法概述 | 第24-28页 |
| ·遗传算法与生物进化 | 第24-25页 |
| ·遗传算法的发展、现状与趋势 | 第25-26页 |
| ·遗传算法的思想和特点 | 第26-27页 |
| ·遗传算法的研究方向及应用 | 第27-28页 |
| ·遗传算法的理论基础 | 第28-29页 |
| ·遗传算法的步骤及框架 | 第29-30页 |
| ·遗传算法的关键技术 | 第30-33页 |
| ·遗传编码 | 第30-31页 |
| ·适应度函数 | 第31-32页 |
| ·遗传算子 | 第32-33页 |
| ·遗传算法的终止条件 | 第33页 |
| ·本章小结 | 第33-34页 |
| 4 遗传算法的改进及 TSP 问题的求解 | 第34-50页 |
| ·基于遗传算法求解 TSP 问题的基本实现方法 | 第34-38页 |
| ·编码方法 | 第34-35页 |
| ·种群的初始化 | 第35页 |
| ·适应度函数 | 第35-36页 |
| ·遗传算子 | 第36-38页 |
| ·改进的遗传算法的算法设计 | 第38-43页 |
| ·编码 | 第38页 |
| ·适应度函数 | 第38-39页 |
| ·种群分级 | 第39页 |
| ·选择算子 | 第39-40页 |
| ·产生新个体的机制 | 第40-42页 |
| ·交叉策略—混合交叉算子 | 第40-41页 |
| ·变异策略—混合变异算子 | 第41-42页 |
| ·算法的终止条件 | 第42页 |
| ·改进后的遗传算法的流程图 | 第42-43页 |
| ·实验结果分析与比较 | 第43-48页 |
| ·算法参数 | 第43页 |
| ·实验一 | 第43-47页 |
| ·实验二 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 5 分布估计算法用于求解 TSP 问题 | 第50-58页 |
| ·分布估计算法概述 | 第50-53页 |
| ·分布估计算法的思想 | 第51页 |
| ·分布估计算法分类 | 第51页 |
| ·分布估计算法的应用 | 第51-52页 |
| ·分布估计算法的发展趋势 | 第52-53页 |
| ·分布估计算法用于求解 TSP 问题 | 第53-57页 |
| ·一般分布估计算法的基本框架 | 第54页 |
| ·一般分布估计算法的实现步骤 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第66页 |
