文摘
英文文摘
论文说明:图表目录
声明
第一章绪论
1.1引言
1.2选题目的及意义
1.3本文的主要工作
第二章蚁群算法概述
2.1蚁群算法的生物学基础和原理
2.1.1蚁群算法的生物学基础
2.1.2蚁群算法原理
2.1.3人工蚂蚁与真实蚂蚁的异同比较
2.2蚁群算法的特点
2.3蚁群算法的应用情况
2.4蚁群算法国内外研究概况
2.5本章小节
第三章基本TSP蚁群算法
3.1基本TSP蚁群算法的原理
3.3.1基本TSP蚁群算法的描述
3.1.2基本蚁群算法实现步骤
3.2基本TSP蚁群算法的迭代过程及实验仿真
3.2.1基本蚁群算法的迭代过程
3.2.2基本蚁群算法的实验仿真
3.3蚁群算法信息素更新模型的选择
3.3.1蚁周模型性能分析
3.3.2蚁密模型性能分析
3.3.3蚁量模型性能分析
3.4蚁群算法中参数选择原则
3.4.1启发因子α的选择
3.4.2期望启发因子β的选择
3.4.3信息素挥发因子ρ的选择
3.4.4蚁群数量的选择
3.5基本蚁群算法的优缺点
3.6基本蚁群算法的改进方法
3.6.1蚁群系统
3.6.2最大最小蚂蚁
3.6.3自适应蚁群算法
3.6.4具有感觉和知觉特征的蚁群算法
3.7本章小结
第四章求解连续优化问题的改进蚁群算法
4.1离散域蚁群算法与连续域蚁群算法的不同之处
4.2蚁群算法在连续域优化问题中的一些进展
4.3连续域蚁群算法的改进
4.3.1侦察蚁工作机制
4.3.2探索蚁工作机制及算法步骤
4.3.3算法步骤:
4.3.4算例仿真
4.3.5算法性能分析及有关讨论:
4.4 ICACA算法参数的设霄
4.4.1 ICACA中几个重要的参数对算法的影响
4.4.2用遗传算法优化参数
4.4.3实验分析
4.5改进蚁群算法在PID控制器参数优化中的应用
4.5.1 PID控制器参数优化原理
4.5.2优化性能指标的选择
4.5.3 ICACA在PID控制器参数优化设计应用中的问题
4.5.4数值算例
4.6本章小节
第五章用人工鱼群算法提高蚁群算法高维函数寻优的能力
5.1人工鱼群算法模型及其行为
5.1.1符号定义
5.1.2鱼群行为描述
5.1.3算法描述
5.2蚁群算法的定义与设置
5.3算例仿真
5.4本章小节
第六章总结与展望
6.1总结
6.2下一步工作展望
参考文献
附录TSP问题
致谢
攻读学位期间发表的学术论文目录