| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 问题的背景及意义 | 第8-9页 |
| 1.2 研究现状以及应用 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-13页 |
| 2 相关背景知识 | 第13-30页 |
| 2.1 蚁群算法的基本原理 | 第13-15页 |
| 2.1.1 简介 | 第13页 |
| 2.1.2 蚂蚁觅食行为 | 第13-15页 |
| 2.2 蚁群算法的模型 | 第15-18页 |
| 2.2.1 禁忌列表（Tabu） | 第15-16页 |
| 2.2.2 能见度 | 第16页 |
| 2.2.3 信息素 | 第16页 |
| 2.2.4 概率转移规则 | 第16-17页 |
| 2.2.5 蚁群算法的模型 | 第17-18页 |
| 2.3 蚁群算法的流程分析 | 第18-22页 |
| 2.3.1 蚁群算法求解TSP问题的流程 | 第19-20页 |
| 2.3.2 最短路径问题与TSP问题的区别 | 第20-21页 |
| 2.3.3 蚁群算法求解最短路径的流程 | 第21-22页 |
| 2.3.4 蚁群算法求解最短路径问题和TSP问题中的收敛性分析 | 第22页 |
| 2.4 蚁群算法的重要参数分析 | 第22-29页 |
| 2.4.1 信息启发因子α对算法的性能影响 | 第25-26页 |
| 2.4.2 期望启发式因子β对算法的性能影响 | 第26-27页 |
| 2.4.3 局部更新信息素挥发因子ρ对算法的性能影响 | 第27-28页 |
| 2.4.4 全局更新信息素挥发因子σ对算法的性能影响 | 第28-29页 |
| 2.5 小结 | 第29-30页 |
| 3 自适应蚁群优化算法 | 第30-34页 |
| 3.1 算法初始时刻浓度改进 | 第30-31页 |
| 3.2 全局更新规则的改进 | 第31-32页 |
| 3.3 算法步骤 | 第32-33页 |
| 3.4 小结 | 第33-34页 |
| 4 自适应蚁群优化算法求解最短路径问题 | 第34-37页 |
| 4.1 算法对不同节点的比较结果 | 第34-35页 |
| 4.2 算法运行时间的比较结果 | 第35-36页 |
| 4.3 小结 | 第36-37页 |
| 5 自适应蚁群优化算法求解旅行线路的问题 | 第37-41页 |
| 5.1 旅行商问题的数学模型 | 第37页 |
| 5.2 旅行线路的优化 | 第37-40页 |
| 5.2.1 优化路径比较 | 第38-40页 |
| 5.3 结论 | 第40-41页 |
| 6 总结与展望 | 第41-43页 |
| 6.1 总结 | 第41-42页 |
| 6.2 展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 | 第47页 |
| A. 作者在攻读学位时期发表的论文目录 | 第47页 |
