基于改进的遗传蚁群混合算法的TSP问题求解研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·TSP问题的研究现状 | 第10-11页 |
| ·本文主要的研究内容 | 第11-12页 |
| ·本文组织结构 | 第12-14页 |
| 第2章 TSP问题及其描述 | 第14-20页 |
| ·组合优化问题 | 第14-15页 |
| ·算法的复杂性 | 第15页 |
| ·NP完全问题 | 第15-16页 |
| ·TSP问题 | 第16-20页 |
| ·TSP问题描述 | 第16-18页 |
| ·求解TSP的复杂性 | 第18页 |
| ·求解TSP的仿生优化算法概述 | 第18-20页 |
| 第3章 求解TSP问题的经典算法性能分析 | 第20-42页 |
| ·蚁群算法 | 第20-33页 |
| ·蚁群算法的基本原理 | 第20-21页 |
| ·蚁群算法的数学描述 | 第21-23页 |
| ·蚁群算法的实验分析和参数选择原则 | 第23-30页 |
| ·蚁群算法用于求解TSP问题 | 第30-31页 |
| ·蚁群算法的优缺点 | 第31-33页 |
| ·遗传算法 | 第33-39页 |
| ·遗传算法的基本原理 | 第33-34页 |
| ·遗传算法的基本模型 | 第34-35页 |
| ·遗传算法用于求解TSP问题 | 第35-37页 |
| ·遗传算法的优缺点 | 第37-39页 |
| ·蚁群算法和遗传算法在TSP问题上的对比分析 | 第39-40页 |
| ·遗传蚁群混合算法 | 第40-42页 |
| 第4章 遗传蚁群混合算法的改进 | 第42-61页 |
| ·改进算法的基本思路 | 第42-43页 |
| ·Delaunay三角剖分的基础知识 | 第43-45页 |
| ·基于Delaunay三角剖分的候选集策略 | 第45-47页 |
| ·两种算法的融合衔接 | 第47-49页 |
| ·动态融合策略 | 第47页 |
| ·遗传算法和蚁群算法的衔接 | 第47-49页 |
| ·信息素限界值的灰预测 | 第49-53页 |
| ·灰色预测理论概述 | 第49页 |
| ·信息素的更新策略 | 第49-50页 |
| ·信息素极差函数 | 第50-51页 |
| ·信息素浓度限界值的灰预测控制 | 第51-53页 |
| ·参数的自适应控制 | 第53-57页 |
| ·云模型理论基础 | 第53-54页 |
| ·适应度改进测度 | 第54-55页 |
| ·蚁群算法的参数控制 | 第55-57页 |
| ·遗传算法的参数控制 | 第57页 |
| ·改进算法求解TSP问题的具体步骤及其流程图 | 第57-60页 |
| ·算法分析 | 第60-61页 |
| ·时间复杂度分析 | 第60页 |
| ·云模型数字特征的设定 | 第60-61页 |
| 第5章 算法有效性验证与运行结果分析 | 第61-66页 |
| ·改进算法的仿真实验结果分析 | 第61-63页 |
| ·与最大最小蚁群算法的性能比较 | 第63-64页 |
| ·与遗传蚁群混合算法的性能比较 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·论文工作总结 | 第66-67页 |
| ·进一步研究工作 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 研究生履历 | 第72-73页 |
