蟻群優(yōu)化

1從真實螞蟻到人工螞蟻
1.1螞蟻的覓食行為及其優(yōu)化過程
1.1.1雙橋?qū)嶒?br />1.1.2隨機(jī)模型
1.2向人工螞蟻轉(zhuǎn)換
1.3人工螞蟻和最小成本路徑
1.3.1SACO
1.3.2有關(guān)SACO的實驗
1.4書目評注
1.5需要牢記的知識點(diǎn)
1.6思考與計算習(xí)題
2蟻群優(yōu)化元啟發(fā)式算法
2.1組合優(yōu)化
2.1.1計算復(fù)雜度
2.1.2NP難問題的解決方法
2.1.3什么是元啟發(fā)式算法
2.2ACO元啟發(fā)式算法
2.2.1問題描述
2.2.2螞蟻的行為
2.2.3元啟發(fā)式算法
2.3如何應(yīng)用ACO
2.3.1旅行商問題
2.3.2順序排列問題
2.3.3廣義分配問題
2.3.4多重背包問題
2.3.5網(wǎng)絡(luò)路由問題
2.3.6動態(tài)旅行商問題
2.4其他元啟發(fā)式算法
2.4.1模擬退火
2.4.2禁忌搜索
2.4.3導(dǎo)向性局部搜索
2.4.4迭代局部搜索
2.4.5貪婪隨機(jī)自適應(yīng)搜索過程
2.4.6進(jìn)化計算
2.4.7分散搜索
2.5書目評注
2.6需要牢記的知識點(diǎn)
2.7思考與計算習(xí)題
3旅行商問題中的蟻群優(yōu)化算法
3.1旅行商問題
3.2TSP中的ACO算法
3.3螞蟻系統(tǒng)及其直接后續(xù)算法
3.3.1螞蟻系統(tǒng)
3.3.2精華螞蟻系統(tǒng)
3.3.3基于排列的螞蟻系統(tǒng)
3.3.4最大最小螞蟻系統(tǒng)
3.4螞蟻系統(tǒng)的擴(kuò)展
3.4.1蟻群系統(tǒng)
3.4.2近似非確定性樹搜索
3.4.3ACO的超立方體框架
3.5并行執(zhí)行
3.6實驗測評
3.6.1ACO算法的行為
3.6.2螞蟻系統(tǒng)與它的擴(kuò)展算法的比較
3.7添加局部搜索的ACO
3.7.1如何在ACO算法中加入局部搜索
3.8ACO算法的實現(xiàn)
3.8.1數(shù)據(jù)結(jié)構(gòu)
3.8.2算法
3.8.3實現(xiàn)其他ACO算法時的修改
3.9書目評注
3.10需要牢記的知識點(diǎn)
3.11思考與計算習(xí)題
4蟻群優(yōu)化理論
4.1ACO的理論思考
4.2問題和算法
4.3收斂性證明
4.3.1值收斂
4.3.2解收斂
4.3.3ACO算法的附加特性
4.3.4證明實際上說明了什么問題
4.3.5一些ACO算法的收斂性
4.4ACO與基于模型的搜索
4.4.1基于模型的搜索
4.4.2MBS框架中的SGA和CE
4.4.3ACO，SGA和CE
4.5書目評注
4.6需要牢記的知識點(diǎn)
4.7思考與計算習(xí)題
5NP難問題的蟻群優(yōu)化
5.1路由問題
5.1.1順序排列
5.1.2車輛路由
5.2分配問題
5.2.1二次分配
5.2.2廣義分配問題
5.2.3頻率分配
5.2.4其他針對分配問題的ACO應(yīng)用
5.3調(diào)度問題
5.3.1單機(jī)器總權(quán)重延遲調(diào)度
5.3.2工序車間、開放車間和組車間調(diào)度
5.3.3資源約束項目調(diào)度
5.3.4其他針對調(diào)度問題的ACO應(yīng)用
5.4子集問題
5.4.1集合覆蓋
5.4.2帶權(quán)約束的圖樹分割問題
5.4.3邊帶權(quán)l(xiāng)基樹問題
5.4.4針對其他子集問題的ACO應(yīng)用
5.5對其他NP難問題的ACO應(yīng)用
5.5.1最短公共超序列問題
5.5.2箱子包裝
5.5.32DHP蛋白質(zhì)折疊
5.5.4帶約束滿足
5.6機(jī)器學(xué)習(xí)問題
5.6.1分類規(guī)則的學(xué)習(xí)
5.6.2貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)
5.6.3其他針對機(jī)器學(xué)習(xí)問題的ACO應(yīng)用
5.7ACO的使用原則
5.7.1構(gòu)建圖
5.7.2信息素的定義
5.7.3探索與開發(fā)的平衡
5.7.4啟發(fā)式信息
5.7.5ACO算法和局部搜索
5.7.6螞蟻的數(shù)目
5.7.7候選列表
5.7.8使用ACO算法求解問題的步驟
5.8書目評注
5.9需要牢記的知識點(diǎn)
5.10思考與計算習(xí)題
6AntNet： 數(shù)據(jù)網(wǎng)絡(luò)路由中的ACO算法
6.1路由問題
6.1.1路由算法的廣義分類
6.1.2通信網(wǎng)絡(luò)模型
6.2AntNet算法
6.2.1AntNet： 數(shù)據(jù)結(jié)構(gòu)
6.2.2AntNet： 算法
6.2.3如何評價一個螞蟻旅程的優(yōu)劣
6.3實驗設(shè)置
6.3.1網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和物理特性
6.3.2流量模式
6.3.3性能評價的標(biāo)準(zhǔn)
6.3.4具有競爭力的路由算法及其參數(shù)
6.4實驗結(jié)果
6.4.1NSFnet
6.4.2NTTnet
6.4.3路由開銷
6.5AntNet與媒介質(zhì)
6.6AntNet、蒙特卡羅仿真和強(qiáng)化學(xué)習(xí)
6.6.1AntNet作為帶有偏向探索的蒙特卡羅在線系統(tǒng)
6.6.2AntNet與強(qiáng)化學(xué)習(xí)
6.7書目評注
6.8需要牢記的知識點(diǎn)
6.9思考與計算習(xí)題
7總結(jié)與對未來的展望
7.1我們對ACO了解多少
7.1.1理論發(fā)展
7.1.2實驗結(jié)果和實際應(yīng)用
7.2ACO當(dāng)前的發(fā)展趨勢
7.2.1動態(tài)優(yōu)化問題
7.2.2隨機(jī)優(yōu)化問題
7.2.3多目標(biāo)優(yōu)化問題
7.2.4并行化
7.2.5對ACO工作行為的理解
7.3螞蟻算法
7.3.1受覓食行為和標(biāo)記路徑行為啟發(fā)的其他模式
7.3.2受孵化分類啟發(fā)的模型
7.3.3受勞動分工啟發(fā)的模型
7.3.4協(xié)作運(yùn)輸啟發(fā)的模型
附錄有關(guān)ACO領(lǐng)域的信息來源
參考文獻(xiàn)
索引