| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 引言 | 第15页 |
| 1.2 课题的研究现状 | 第15-18页 |
| 1.2.1 作业车间调度的背景 | 第15-16页 |
| 1.2.2 作业车间调度的研究现状 | 第16-17页 |
| 1.2.3 车间调度知识推理的研究现状 | 第17-18页 |
| 1.3 论文的结构 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 静态作业车间调度模型的构建及求解 | 第21-33页 |
| 2.1 作业车间调度的评价指标 | 第21-22页 |
| 2.2 作业车间调度的数学模型 | 第22-24页 |
| 2.2.1 作业车间调度模型的构建 | 第22页 |
| 2.2.2 作业车间调度的约束条件 | 第22-23页 |
| 2.2.3 调度方案的甘特图表示方法 | 第23-24页 |
| 2.3 遗传算法理论 | 第24-25页 |
| 2.3.1 算法概念 | 第25页 |
| 2.3.2 算法步骤 | 第25页 |
| 2.4 基于遗传传算法的作业车间调度模型求解方法 | 第25-31页 |
| 2.4.1 基于工序的染色体编码及解码操作 | 第26-28页 |
| 2.4.2 染色体两点交叉和单点变异操作 | 第28-29页 |
| 2.4.3 染色体遗传选择方法 | 第29页 |
| 2.4.4 算法模型的参数设置 | 第29-30页 |
| 2.4.5 作业车间调度模型求解流程 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 动态作业车间调度规则的选择 | 第33-49页 |
| 3.1 基于规则的调度方法 | 第33-35页 |
| 3.1.1 调度规则 | 第33-35页 |
| 3.1.2 基于调度规则的调度方法 | 第35页 |
| 3.2 BP人工神经网络理论 | 第35-39页 |
| 3.2.1 BP人工神经网络的概论 | 第35-38页 |
| 3.2.2 神经网络的参数选择 | 第38-39页 |
| 3.3 基于BP人工神经网络的动态作业车间调度模型 | 第39-40页 |
| 3.3.1 最小化延期损失输入参数 | 第39-40页 |
| 3.3.2 自适应调度规则输出参数 | 第40页 |
| 3.4 基于BP人工神经网络的作业车间调度决策分析 | 第40-47页 |
| 3.4.1 静态最优调度方案获取 | 第41-42页 |
| 3.4.2 动态网络样本数据获取 | 第42-44页 |
| 3.4.3 动态网络隐层计算及仿真 | 第44-45页 |
| 3.4.4 网络训练与适应性分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 调度知识系统的实现策略 | 第49-57页 |
| 4.1 知识系统的概念 | 第49-51页 |
| 4.1.1 知识和知识库 | 第49页 |
| 4.1.2 知识获取方法 | 第49页 |
| 4.1.3 基于知识的专家系统 | 第49-51页 |
| 4.2 调度知识系统的操作流程 | 第51-55页 |
| 4.2.1 历史数据与实时数据接口设计 | 第52-53页 |
| 4.2.2 静态调度问题及最优方案获取 | 第53-54页 |
| 4.2.3 知识网络参数设置及网络构建 | 第54-55页 |
| 4.2.4 基于动态网络的调度规则决策 | 第55页 |
| 4.2.5 知识网络输入输出参数调整 | 第55页 |
| 4.3 本章小结 | 第55-57页 |
| 第五章 调度知识系统的设计 | 第57-71页 |
| 5.1 调度知识系统的需求分析 | 第58-60页 |
| 5.1.1 系统概述及范围 | 第58页 |
| 5.1.2 系统的业务流程分析 | 第58-60页 |
| 5.1.3 调度知识系统的目标 | 第60页 |
| 5.2 调度知识系统的框架 | 第60-62页 |
| 5.2.1 系统的开发环境选择 | 第60-61页 |
| 5.2.2 系统的软件框架和硬件框架 | 第61-62页 |
| 5.3 调度知识系统的数据库设计和界面设计 | 第62-69页 |
| 5.3.1 系统的数据库设计 | 第62-66页 |
| 5.3.2 系统的软件模块设计 | 第66-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第六章 结论 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间的学术活动及成果清单 | 第77-78页 |