| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 遗传进化算法研究现状 | 第12-13页 |
| 1.2.2 粒子群进化算法研究现状 | 第13页 |
| 1.2.3 量子进化算法研究现状 | 第13-14页 |
| 1.2.4 极图研究现状 | 第14-15页 |
| 1.3 研究内容与工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 相关理论基础 | 第18-30页 |
| 2.1 遗传进化算法 | 第18-20页 |
| 2.2 粒子群进化算法 | 第20-22页 |
| 2.3 量子进化算法 | 第22-26页 |
| 2.4 图的基本概念与极图 | 第26-29页 |
| 2.4.1 图的基本概念 | 第26-27页 |
| 2.4.2 极图问题 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于遗传和粒子群进化算法的极图构造算法 | 第30-43页 |
| 3.1 极图问题规划模型 | 第30页 |
| 3.2 基于遗传进化算法的极图构造算法 | 第30-36页 |
| 3.2.1 遗传算法自适应机制和算法优化 | 第30-32页 |
| 3.2.2 基于自适应遗传进化算法的极图构造算法 | 第32-36页 |
| 3.3 基于粒子群进化算法的极图构造算法 | 第36-41页 |
| 3.3.1 粒子群进化算法离散机制 | 第36-39页 |
| 3.3.2 基于离散粒子群进化算法的极图构造算法 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 4 基于自适应量子进化算法的极图构造算法 | 第43-52页 |
| 4.1 量子编码的优点 | 第43-44页 |
| 4.2 量子进化算法自适应机制 | 第44-47页 |
| 4.3 基于自适应量子进化算法的极图构造算法算法 | 第47-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 实验结果与分析 | 第52-67页 |
| 5.1 进化算法评价指标分析 | 第52-55页 |
| 5.1.1 进化算法性能评价指标与纯值函数 | 第52-53页 |
| 5.1.2 评估进化算法性能常用的测试函数和指标分析 | 第53-55页 |
| 5.2 参数优化实验 | 第55-64页 |
| 5.2.1 算法初始图优化 | 第55-58页 |
| 5.2.2 量子进化算法参数优化 | 第58-59页 |
| 5.2.3 粒子群进化算法参数优化 | 第59-64页 |
| 5.3 三种优化算法的对比 | 第64-65页 |
| 5.4 围长为11的极图的边数下界 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |