摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-24页 |
1.1 研究意义 | 第12页 |
1.2 置换流水线调度问题研究 | 第12-13页 |
1.2.1 置换流水线调度问题描述 | 第12-13页 |
1.2.2 置换流水线调度问题研究概述 | 第13页 |
1.3 零等待作业车间调度问题研究 | 第13-15页 |
1.3.1 零等待作业车间调度问题描述 | 第13-14页 |
1.3.2 零等待作业车间调度问题研究概述 | 第14-15页 |
1.4 可重入作业车间调度问题研究 | 第15-17页 |
1.4.1 可重入作业车间调度问题的数学模型描述 | 第15-16页 |
1.4.2 可重入作业车间调度问题研究概述 | 第16-17页 |
1.5 遗传算法及其在智能调度领域的应用 | 第17-19页 |
1.5.1 遗传算法 | 第17-18页 |
1.5.2 遗传算法在智能调度领域的应用 | 第18-19页 |
1.6 分布估计算法及其在智能调度领域的应用 | 第19-21页 |
1.6.1 分布估计算法 | 第19-21页 |
1.6.2 分布估计算法在智能调度领域的应用 | 第21页 |
1.7 主要研究工作 | 第21-24页 |
第二章 求解流水线调度问题的改进遗传算法 | 第24-30页 |
2.1 引言 | 第24页 |
2.2 以最小化最大完工时间为目标的置换流水线调度问题描述 | 第24-25页 |
2.3 改进遗传算法 | 第25-27页 |
2.3.1 解的表达 | 第25页 |
2.3.2 种群初始化 | 第25页 |
2.3.3 基于Insert邻域的局部搜索 | 第25-26页 |
2.3.4 选择操作 | 第26页 |
2.3.5 交叉操作 | 第26页 |
2.3.6 变异操作 | 第26-27页 |
2.3.7 改进遗传算法步骤 | 第27页 |
2.4 仿真实验与分析 | 第27-29页 |
2.4.1 实验设置 | 第27-28页 |
2.4.2 性能比较 | 第28-29页 |
2.4.3 仿真结果和对比 | 第29页 |
2.5 小结 | 第29-30页 |
第三章 求解零等待车间调度问题的增强型EDA算法 | 第30-42页 |
3.1 引言 | 第30-31页 |
3.2 零等待作业车间调度问题描述 | 第31-35页 |
3.2.1 问题模型 | 第31-32页 |
3.2.2 时间表确定问题 | 第32-35页 |
3.3 增强型分布估计算法 | 第35-39页 |
3.3.1 解的表达 | 第35页 |
3.3.2 种群初始化 | 第35页 |
3.3.3 新种群的生成 | 第35-36页 |
3.3.4 基于Insert的变异策略 | 第36-37页 |
3.3.5 基于首次改进原则的邻域搜索策略 | 第37页 |
3.3.6 增强型分布估计算法步骤 | 第37-39页 |
3.4 仿真实验与分析 | 第39-40页 |
3.4.1 实验设置 | 第39页 |
3.4.2 性能比较 | 第39-40页 |
3.4.3 仿真结果和对比 | 第40页 |
3.5 小结 | 第40-42页 |
第四章 求解带序设置时间的可重入车间调度问题的贝叶斯分布估计算法 | 第42-52页 |
4.1 引言 | 第42-43页 |
4.2 带序设置时间的可重入作业车间调度问题描述 | 第43-45页 |
4.3 基于贝叶斯网络的分布式估计算法 | 第45-50页 |
4.3.1 解的表达 | 第45页 |
4.3.2 种群初始化策略 | 第45页 |
4.3.3 解码方案 | 第45页 |
4.3.4 概率模型及其更新策略 | 第45-48页 |
4.3.4.1 概率模型 | 第45-46页 |
4.3.4.2 概率模型更新策略 | 第46-48页 |
4.3.5 新种群的生成 | 第48-49页 |
4.3.6 基于Insert的邻域结构 | 第49页 |
4.3.7 基于贝叶斯网络的分布式估计算法步骤 | 第49-50页 |
4.4 仿真实验与分析 | 第50-51页 |
4.4.1 实验设置 | 第50页 |
4.4.2 性能比较 | 第50页 |
4.4.3 仿真结果和对比 | 第50-51页 |
4.5 小结 | 第51-52页 |
第五章 结论与展望 | 第52-54页 |
5.1 论文总结 | 第52-53页 |
5.2 研究展望 | 第53-54页 |
致谢 | 第54-56页 |
参考文献 | 第56-62页 |
附录A (攻读硕士学位期间的科研成果) | 第62页 |