蟻群算法及其應用

第1章　緒論
　1.1　螞蟻的基本習性
　　1.1.1　螞蟻的信息系統(tǒng)
　　1.1.2　蟻群社會的遺傳與進化
　1.2　蟻群覓食行為與覓食策略
　　1.2.1　螞蟻的覓食行為
　　1.2.2　螞蟻的覓食策略
　1.3　人工蟻群算法的基本思想
　　1.3.1　人工蟻與真實螞蟻的異同
　　1.3.2　人工蟻群算法的實現(xiàn)過程
　1.4　蟻群優(yōu)化算法的意義及應用
　　1.4.1　蟻群優(yōu)化算法的意義
　　l.4.2　蟻群算法的應用
　1.5　蟻群算法的展望
第2章　螞蟻系統(tǒng)——蟻群算法的原型
　2.1　螞蟻系統(tǒng)模型的建立
　2.2　蟻量系統(tǒng)和蟻密系統(tǒng)的模型
　2.3　蟻周系統(tǒng)模型
第3章　改進的蟻群優(yōu)化算法
　3.1　帶精英策略的螞蟻系統(tǒng)
　3.2　基于優(yōu)化排序的螞蟻系統(tǒng)
　3.3　蟻群系統(tǒng)
　　3.3.1　蟻群系統(tǒng)狀態(tài)轉移規(guī)則
　　3.3.2　蟻群系統(tǒng)全局更新規(guī)則
　　3.3.3　蟻群系統(tǒng)局部更新規(guī)則
　　3.3.4　候選集合策略
　3.4　最大一最小螞蟻系統(tǒng)
　　3.4.1　信息素軌跡更新
　　3.4.2　信息素軌跡的限制
　　3.4.3　信息素軌跡的初始化
　　3.4.4　信息素軌跡的平滑化
　3.5　最優(yōu)一最差螞蟻系統(tǒng)
　　3.5.1　最優(yōu)一最差螞蟻系統(tǒng)的基本思想
　　3.5.2　最優(yōu)一最差螞蟻系統(tǒng)的工作過程
第4章　蟻群優(yōu)化算法的仿真研究
　4.1　螞蟻系統(tǒng)三類模型的仿真研究
　　4.1.1　三類模型性能的比較
　　4.2.2　基于統(tǒng)計的參數(shù)優(yōu)化
　4.2　基于蟻群系統(tǒng)模型的仿真研究
　　4.2.1　局部優(yōu)化算法的有效性
　　4.2.2　蟻群系統(tǒng)與其他啟發(fā)算法的比較
　4.3　最大一最小螞蟻系統(tǒng)的仿真研究
　　4.3.1　信息素軌跡初始化研究
　　4.3.2　信息素軌跡量下限的作用
　　4.3.3　蟻群算法的對比
　4.4　最優(yōu)一最差螞蟻系統(tǒng)的仿真研究
　　4.4.1　參數(shù)ε的設置
　　4.4.2　幾種改進的蟻群算法比較
第5章　蟻群算法與遺傳、模擬退火算法的對比
　5.1　遺傳算法
　　5.1.1　遺傳算法與自然選擇
　　5.1.2　遺傳算法的基本步驟
　　5.1.3　旅行商問題的遺傳算法實現(xiàn)
　5.2　模擬退火算法
　　5.2.1　物理退火過程和Metroplis準則
　　5.2.2　模擬退火法的基本原理
　5.3　蟻群算法與遺傳算法、模擬退火算法的比較
　　5.3.1　三種算法的優(yōu)化質量比較
　　5.3.2　三種算法收斂速度比較
　　5.3.3　三種算法的特點與比較分析
第6章　蟻群算法與遺傳、免疫算法的融合
　6.1　遺傳算法與螞蟻算法融合的GAAA算法
　　6.1.1　遺傳算法與螞蟻算法融合的基本思想
　　……
第7章　自適應蟻群算法
第8章　并行蟻群算法
第9章　蟻群算法的收斂性與蟻群行為模型
第10章　蟻群算法在優(yōu)化問題中的應用
附錄
參考文獻