蟻群算法原理及其應用

第1章  緒論
1.1 引言
1.2 螞蟻的生物學特征
1.3 蟻群算法的思想起源
1.4 蟻群算法的研究進展
1.5 本書的體系結(jié)構(gòu)
1.6 本章小結(jié)
參考文獻
第2章  基本蟻群算法原理及其復雜度分析
2.1 引言
2.2 基本蟻群算法的原理
2.3 基本蟻群算法的系統(tǒng)學特征
2.4 基本蟻群算法的數(shù)學模型
2.5 基本蟻群算法的具體實現(xiàn)
2.6 基本蟻群算法的復雜度分析
2.7 基本蟻群算法的性能評價指標
2.8 本章小結(jié)
參考文獻
第3章  蟻群算法的收斂性研究
3.1 引言
3.2 圖搜索螞蟻系統(tǒng)（GBAS）的收斂性研究
3.3 一類改進蟻群算法的收斂性證明
3.4 GBAS/tdev和GBAS/tdlb的確定性收斂證明
3.5 基本蟻群算法的A.S.收斂性研究
3.6 一類分布式螞蟻路由算法的收斂性研究
3.7 基于分支路由和Wiener過程的蟻群算法收斂性研究
3.8 一種簡單蟻群算法及其收斂性分析
3.9 遺傳-蟻群算法的Markov收斂性分析
3.10 一類廣義蟻群算法（GACA）的收斂性分析
3.11 本章小結(jié)
參考文獻
第4章  蟻群算法的實驗分析及參數(shù)選擇原則
4.1 引言
4.2 蟻群行為和參數(shù)對算法性能影響的實驗分析
4.3 蟻群算法參數(shù)最優(yōu)組合的“三步走”方法
4.4 本章小結(jié)
參考文獻
第5章  離散域蟻群算法的改進研究
5.1 引言
5.2 自適應蟻群算法
5.3 基于去交叉局部優(yōu)化策略的蟻群算法
5.4 基于信息素擴散的蟻群算法
5.5 多態(tài)蟻群算法
5.6 基于模式學習的小窗口蟻群算法
5.7 基于混合行為的蟻群算法
5.8 帶聚類處理的蟻群算法
5.9 基于云模型理論的蟻群算法
5.10 具有感覺和知覺特征的蟻群算法
5.11 具有隨機擾動特性的蟻群算法
5.12 基于信息熵的改進蟻群算法
5.13 本章小結(jié)
第6章  連續(xù)域蟻群算法的改進研究
6.1 引言
6.2 基于網(wǎng)格劃分策略的連續(xù)域蟻群算法
6.3 基于信息量分布函數(shù)的連續(xù)域蟻群算法
6.4 連續(xù)域優(yōu)化問題的自適應蟻群算法
6.5 基于交叉變異操作的連續(xù)域蟻群算法
6.6 嵌入確定性搜索的連續(xù)域蟻群算法
6.7 基于密集非遞階的連續(xù)交互式蟻群算法（CIACA）
6.8 多目標優(yōu)化問題的連續(xù)域蟻群算法
6.9 復雜多階段連續(xù)決策問題的動態(tài)窗口蟻群算法
6.10 本章小結(jié)
參考文獻
第7章  蟻群算法的典型應用
7.1 引言
7.2 車間作調(diào)度問題
7.3 網(wǎng)絡路由問題
7.4 車輛路徑問題
7.5 機器人領(lǐng)域
7.6 電力系統(tǒng)
7.7 故障診斷
7.8 控制參數(shù)優(yōu)化
7.9 系統(tǒng)辨識
7.10 聚類分析
7.11 數(shù)據(jù)挖掘
7.12 圖像處理
7.13 航跡規(guī)劃
7.14 空戰(zhàn)決策
7.15 巖土工程
7.16 化學工業(yè)
7.17 生命科學
7.18 布局優(yōu)化
7.19 本章小結(jié)
參考文獻
第8章  蟻群算法的硬件實現(xiàn)
8.1 引言
8.2 仿生硬件概述
8.3 基于FPGA的蟻群算法硬件實現(xiàn)
8.4 基于蟻群算法和遺傳算法動態(tài)融合的軟硬件劃分
8.5 本章小結(jié)
參考文獻
第9章  蟻群算法同其他仿生優(yōu)化算法的比較與融合
9.1 引言
9.2 其他幾種仿生優(yōu)化算法的基本原理
9.3 蟻群算法與其他仿生優(yōu)化算法的異同比較
9.4 蟻群算法與遺傳算法的融合
9.5 蟻群算法與人工神經(jīng)網(wǎng)絡的融合
9.6 蟻群算法與微粒群算法的融合
9.7 蟻群算法與人工免疫算法的融合
9.8 本章小結(jié)
參考文獻
第10章  展望
10.1 引言
10.2 蟻群算法的模型改進
10.3 蟻群算法的理論分析
10.4 蟻群算法的并行實現(xiàn)
10.5 蟻群算法的應用領(lǐng)域
10.6 蟻群算法的硬件實現(xiàn)
10.7 蟻群算法的智能融合
10.8 本章小結(jié)
參考文獻
附錄A 基本蟻群算法程序
A.1 C語言版
A.2 Matlab語言版
A.3 Visual Basic語言版
附錄B 相關(guān)網(wǎng)站
附錄C 基本術(shù)語（中英文對照）及縮略語
附錄D （詞一首）鷓鴣天.蟻群算法