PDF《蚁群算法原理及其应用》

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 ........