基于遗传算法的工艺规划与调度集成优化
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第1章 绪论 | 第6-12页 |
| 1.1 工艺规划与调度集成综述 | 第6-8页 |
| 1.1.1 工艺规划和车间调度基本概念 | 第6-7页 |
| 1.1.2 工艺规划与集成调度研究概况 | 第7-8页 |
| 1.2 研究意义及研究现状 | 第8-11页 |
| 1.2.1 研究意义 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-10页 |
| 1.2.3 发展方向与现有算法的不足 | 第10-11页 |
| 1.3 本文的组织结构 | 第11-12页 |
| 第2章 遗传算法基本理论 | 第12-18页 |
| 2.1 遗传算法应用 | 第12-13页 |
| 2.2 遗传算法操作步骤 | 第13-17页 |
| 2.2.1 基因编码 | 第13-14页 |
| 2.2.2 种群初始化 | 第14页 |
| 2.2.3 个体评价 | 第14页 |
| 2.2.4 选择 | 第14-15页 |
| 2.2.5 交叉 | 第15-16页 |
| 2.2.6 变异 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 基于遗传算法的工艺规划与调度集成 | 第18-34页 |
| 3.1 工艺规划与调度集成问题描述和模型 | 第18-20页 |
| 3.1.1 工艺规划与调度集成问题描述 | 第18-19页 |
| 3.1.2 工艺规划与调度集成问题模型 | 第19-20页 |
| 3.2 工艺规划与调度集成问题处理方法 | 第20-24页 |
| 3.2.1 伪工件的概念 | 第20-22页 |
| 3.2.2 不同工件之间的加工次序柔性问题 | 第22-23页 |
| 3.2.3 牵引算子 | 第23页 |
| 3.2.4 工序柔性的解决方案 | 第23-24页 |
| 3.3 基于遗传算法的IPPS模型 | 第24-33页 |
| 3.3.1 遗传算法操作步骤 | 第24-25页 |
| 3.3.2 算法流程 | 第25-27页 |
| 3.3.3 试验结果与分析 | 第27-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 带有交货期约束的IPPS问题 | 第34-40页 |
| 4.1 带有交货期约束的IPPS数学模型描述 | 第35-36页 |
| 4.2 仿真算例 | 第36-38页 |
| 4.3 本章小结 | 第38-40页 |
| 第5章 结论与展望 | 第40-42页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 攻读学位期间的研究成果 | 第46-48页 |
| 致谢 | 第48-50页 |
