| 第一章 绪论 | 第1-20页 |
| 1．1 问题的提出 | 第9-10页 |
| 1．2 车间调度问题的发展及研究现状 | 第10-16页 |
| 1．2．1 车间调度问题的发展概况 | 第10-11页 |
| 1．2．2 车间调度问题的研究现状 | 第11-16页 |
| 1．3 遗传算法的发展及研究现状 | 第16-18页 |
| 1．4 本文的意义及主要工作 | 第18-20页 |
| 第二章 遗传算法的研究 | 第20-30页 |
| 2．1 引言 | 第20页 |
| 2．2 遗传算法 | 第20-25页 |
| 2．2．1 遗传算法的基本概念 | 第20-22页 |
| 2．2．2 遗传算法的基本操作及流程 | 第22-24页 |
| 2．2．3 遗传算法的收敛性 | 第24-25页 |
| 2．3 免疫遗传算法 | 第25-27页 |
| 2．3．1 免疫遗传算法及其收敛性 | 第25-27页 |
| 2．3．2 免疫算子的机理与构造 | 第27页 |
| 2．4 遗传算法在车间调度中的应用 | 第27-29页 |
| 2．4．1 表达方法 | 第27-28页 |
| 2．4．2 混合式遗传搜索 | 第28-29页 |
| 本章小结 | 第29-30页 |
| 第三章 机器学习和遗传算法 | 第30-35页 |
| 3．1 引言 | 第30-31页 |
| 3．2 机器学习的分类 | 第31-33页 |
| 3．3 机器学习原理在遗传算法中的应用 | 第33-34页 |
| 本章小结 | 第34-35页 |
| 第四章 车间作业调度系统的设计与实现 | 第35-44页 |
| 4．1 车间作业调度系统 | 第35页 |
| 4．2 系统设计基本思路 | 第35-36页 |
| 4．3 系统的主要功能模块描述 | 第36-38页 |
| 4．4 系统涉及的数据表 | 第38-42页 |
| 4．5 技术方案 | 第42-43页 |
| 4．5．1 考虑的原则 | 第42页 |
| 4．5．2 系统环境 | 第42-43页 |
| 本章小结 | 第43-44页 |
| 第五章 改进的免疫遗传算法及其在车间调度问题中的应用 | 第44-58页 |
| 5．1 引言 | 第44-45页 |
| 5．2 机器学习原理的应用 | 第45-46页 |
| 5．2．1 知识库的建立 | 第45-46页 |
| 5．2．2 机器学习原理的应用过程 | 第46页 |
| 5．3 算法的改进及算法流程 | 第46-53页 |
| 5．3．1 编码和解码 | 第46-47页 |
| 5．3．2 初始种群的建立 | 第47-49页 |
| 5．3．3 适值函数 | 第49-50页 |
| 5．3．4 交叉和变异 | 第50页 |
| 5．3．5 静态繁殖理论 | 第50-51页 |
| 5．3．6 疫苗的提取和实时更新 | 第51页 |
| 5．3．7 算法流程 | 第51-53页 |
| 5．4 改进算法的收敛性 | 第53-54页 |
| 5．5 改进算法性能验证 | 第54-57页 |
| 5．5．1 典型3×3问题 | 第54-56页 |
| 5．5．2 实际生产问题 | 第56-57页 |
| 本章小结 | 第57-58页 |
| 第六章 车间作业计划平台的应用 | 第58-67页 |
| 6．1 系统应用背景 | 第58-59页 |
| 6．2 机二车间生产环境建立 | 第59页 |
| 6．3 优化算法在车间调度中的应用实例 | 第59-66页 |
| 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |