| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 引言 | 第13-14页 |
| 1.2 人工鱼群算法的背景及研究意义 | 第14-15页 |
| 1.3 人工鱼群算法研究的现状 | 第15-17页 |
| 1.3.1 人工鱼群算法的理论研究 | 第15页 |
| 1.3.2 人工鱼群算法的应用研究 | 第15-16页 |
| 1.3.3 人工鱼群算法与其他算法的结合 | 第16-17页 |
| 1.4 本文研究的内容及创新点 | 第17页 |
| 1.5 本文的内容安排 | 第17-19页 |
| 第二章 人工鱼群算法 | 第19-30页 |
| 2.1 优化问题 | 第19-21页 |
| 2.1.1 优化的定义与数学模型 | 第19页 |
| 2.1.2 优化问题与方法的分类 | 第19-20页 |
| 2.1.3 优化问题的复杂性 | 第20-21页 |
| 2.2 群智能优化算法 | 第21-22页 |
| 2.2.1 群智能算法的概况 | 第21-22页 |
| 2.2.2 群智能优化算法发展展望 | 第22页 |
| 2.3 人工鱼群算法 | 第22-27页 |
| 2.3.1 人工鱼群算法基本思想 | 第22-23页 |
| 2.3.2 人工鱼群算法行为描述 | 第23-27页 |
| 2.3.2.1 觅食行为 | 第23-25页 |
| 2.3.2.2 聚群行为 | 第25页 |
| 2.3.2.3 追尾行为 | 第25-26页 |
| 2.3.2.4 随机行为 | 第26页 |
| 2.3.2.5 行为的评价 | 第26-27页 |
| 2.4 人工鱼群算法实现过程 | 第27页 |
| 2.5 人工鱼群算法参数控制 | 第27-30页 |
| 2.5.1 鱼群规模N | 第27-28页 |
| 2.5.2 视野visual | 第28-29页 |
| 2.5.3 步长step | 第29页 |
| 2.5.4 尝试次数try_ number | 第29页 |
| 2.5.5 拥挤度δ | 第29-30页 |
| 第三章 基于万有引力搜索算法的人工鱼群算法GSA-AFSA | 第30-39页 |
| 3.1 万有引力搜索算法 | 第30-32页 |
| 3.1.1 万有引力搜索算法的思想 | 第30页 |
| 3.1.2 万有引力搜索算法的过程 | 第30-32页 |
| 3.2 基于万有引力搜索算法的人工鱼群算法GSA-AFSA | 第32-35页 |
| 3.2.1 万有引力搜索算法与人工鱼群算法的混合 | 第32-34页 |
| 3.2.1.1 觅食行为 | 第32-33页 |
| 3.2.1.2 聚群行为 | 第33-34页 |
| 3.2.2 基于万有引力搜索算法的人工鱼群算法的流程 | 第34-35页 |
| 3.3 实验分析 | 第35-39页 |
| 第四章 多种群的人工鱼群算法Multi-AFSA | 第39-44页 |
| 4.1 多种群的人工鱼群算法的思想 | 第39页 |
| 4.2 多种群的人工鱼群算法的过程 | 第39-41页 |
| 4.3 实验分析 | 第41-44页 |
| 第五章 Multi-AFSA算法在TSP问题上的应用 | 第44-48页 |
| 5.1 TSP问题的概述 | 第44-45页 |
| 5.2 Mutli-AFSA算法求解TSP问题的过程 | 第45-46页 |
| 5.3 实验分析 | 第46-48页 |
| 5.3.1 参数设置 | 第46页 |
| 5.3.2 实验结果 | 第46-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表论文 | 第54-56页 |
| 致谢 | 第56页 |
