| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 广义旅行商问题及其工程应用的背景 | 第12-16页 |
| ·旅行商问题的描述及算法 | 第12-14页 |
| ·什么是旅行商问题 | 第12页 |
| ·旅行商问题实际意义和工程应用背景 | 第12-13页 |
| ·旅行商问题精确算法 | 第13页 |
| ·旅行商问题近似算法 | 第13-14页 |
| ·广义旅行商问题及其工程应用背景 | 第14-16页 |
| ·广义旅行商问题的描述 | 第14-15页 |
| ·广义旅行商问题工程应用价值 | 第15页 |
| ·现有的广义旅行商问题求解方法 | 第15-16页 |
| 第二章 蚁群算法的基本原理及其在TSP问题中的应用 | 第16-25页 |
| ·蚁群算法(ant colony optimization，ACO)的由来 | 第16-18页 |
| ·协调蚁群复杂运动的六条简单规则 | 第16-17页 |
| ·关联蚂蚁的信息素 | 第17-18页 |
| ·蚁群算法的描述 | 第18-20页 |
| ·蚁群算法基本原理图示的描述 | 第18-19页 |
| ·解决TSP问题的蚁群算法数学模型 | 第19-20页 |
| ·实现蚁群算法的程序流程框图 | 第20-23页 |
| ·蚁群算法求解TSP问题的验证 | 第23-25页 |
| ·TSPLIB标准考题库 | 第23-24页 |
| ·求解部份考题的验证结果 | 第24页 |
| ·标准蚁群算法的缺陷 | 第24-25页 |
| 第三章 蚁群算法在广义旅行商问题求解中的应用策略 | 第25-30页 |
| ·已有的广义旅行商问题求解方法 | 第25-26页 |
| ·将广义旅行商问题转化成旅行商问题求解 | 第25-26页 |
| ·蚁群算法和最近邻算法复合求解 | 第26页 |
| ·本文提出的方法:扩展的蚁群算法 | 第26-30页 |
| ·蚁群算法扩展方法及改进后的程序流程框图 | 第26-29页 |
| ·扩展后蚁群算法的验证 | 第29-30页 |
| 第四章 广义旅行商问题蚁群算法参数的最优选择 | 第30-37页 |
| ·蚁群算法中参数设置对算法的精度和效率的影响 | 第30页 |
| ·广义旅行商问题蚁群算法参数的最优选择 | 第30-37页 |
| ·蚁群规模(蚂蚁数量)m | 第30-32页 |
| ·总信息量Q | 第32页 |
| ·信息素残留系数ρ | 第32-34页 |
| ·信息启发式因子α、期望值启发式因子β | 第34-37页 |
| 第五章 用蚁群算法解决GTSP工程应用实例 | 第37-43页 |
| ·将多个零件轮廓表示为广义旅行商问题 | 第37页 |
| ·蚁群算法用于数控多轮廓加工走刀空行程路径优化 | 第37-43页 |
| 第六章 总结与展望 | 第43-45页 |
| ·完成的工作 | 第43页 |
| ·存在的问题与工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-53页 |