编辑: 星野哀 | 2019-07-03 |
2005 年8月・v・目录第1章绪论
1
1 1 引言
1
1 2 蚂蚁的生物学特征
2
1 3 蚁群算法的思想起源
8
1 4 蚁群算法的研究进展
11
1 5 本书的体系结构
15
1 6 本章小结
18 参考文献
18 第2章基本蚁群算法原理及其复杂度分析
24
2 1 引言
24
2 2 基本蚁群算法的原理
24
2 3 基本蚁群算法的系统学特征
26
2 4 基本蚁群算法的数学模型
29
2 5 基本蚁群算法的具体实现
36
2 6 基本蚁群算法的复杂度分析
39
2 7 基本蚁群算法的性能评价指标
42
2 8 本章小结
42 参考文献
43 第3章蚁群算法的收敛性研究
45
3 1 引言
45
3 2 图搜索蚂蚁系统 ( GBAS)的收敛性研究
45
3 3 一类改进蚁群算法的收敛性证明
59
3 4 GBAS / tdev 和GBAS / tdlb 的确定性收敛证明
65
3 5 基本蚁群算法的 A S 收敛性研究
72
3 6 一类分布式蚂蚁路由算法的收敛性研究
76
3 7 基于分支路由和 Wiener 过程的蚁群算法收敛性证明
81 ………………
3 8 一种简单蚁群算法及其收敛性分析
84
3 9 遗传 蚁群算法的 Markov 收敛性分析
90
3 10 一类广义蚁群算法 ( GA CA)的收敛性分析
93
3 11 本章小结
97 参考文献
98 ・ vi ・ 第4章蚁群算法的实验分析及参数选择原则
100
4 1 引言
100
4 2 蚁群行为和参数对算法性能影响的实验分析
100
4 3 蚁群算法参数最优组合的 三步走 方法
116
4 4 本章小结
117 参考文献
117 第5章离散域蚁群算法的改进研究
119
5 1 引言
119
5 2 自适应蚁群算法
119
5 3 基于去交叉局部优化策略的蚁群算法
125
5 4 基于信息素扩散的蚁群算法
130
5 5 多态蚁群算法
135
5 6 基于模式学习的小窗口蚁群算法
139
5 7 基于混合行为的蚁群算法
144
5 8 带聚类处理的蚁群算法
148
5 9 基于云模型理论的蚁群算法
153
5 10 具有感觉和知觉特征的蚁群算法
157
5 11 具有随机扰动特性的蚁群算法
166
5 12 基于信息熵的改进蚁群算法
169
5 13 本章小结
172 参考文献
172 第6章连续域蚁群算法的改进研究
175
6 1 引言
175
6 2 基于网格划分策略的连续域蚁群算法
176
6 3 基于信息量分布函数的连续域蚁群算法
179
6 4 连续域优化问题的自适应蚁群算法
183
6 5 基于交叉变异操作的连续域蚁群算法
187
6 6 嵌入确定性搜索的连续域蚁群算法
190
6 7 基于密集非递阶的连续交互式蚁群算法 ( CIACA)
194 ………………
6 8 多目标优化问题的连续域蚁群算法
201
6 9 复杂多阶段连续决策问题的动态窗口蚁群算法
205 ……………………
6 10 本章小结
209 参考文献
209 第7章蚁群算法的典型应用
212
7 1 引言
212
7 2 车间作业调度问题
212 ・ vii ・
7 3 网络路由问题
225
7 4 车辆路径问题
238 ........