摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-12页 |
1.1 课题背景及研究意义 | 第8-9页 |
1.2 国内外的研究现状 | 第9-10页 |
1.2.1 国外软件工程任务调度问题的研究现状 | 第9-10页 |
1.2.2 国内软件工程任务调度问题的研究现状 | 第10页 |
1.2.3 国内外研究现状总结 | 第10页 |
1.3 本文主要研究内容及组织结构 | 第10-12页 |
第二章 进化算法和软件工程任务调度问题 | 第12-19页 |
2.1 引言 | 第12页 |
2.2 进化算法 | 第12页 |
2.3 基本遗传算法 | 第12-16页 |
2.3.1 遗传算法简要描述 | 第12-13页 |
2.3.2 遗传算法的基本思想 | 第13-14页 |
2.3.3 遗传算法的基本流程和步骤 | 第14-16页 |
2.4 软件工程任务调度的模型 | 第16-18页 |
2.4.1 软件工程项目 | 第16页 |
2.4.2 项目任务调度问题 | 第16-17页 |
2.4.3 软件工程任务调度模型 | 第17-18页 |
2.5 本章小结 | 第18-19页 |
第三章 改进的遗传算法在软件工程任务调度中的研究 | 第19-35页 |
3.1 引言 | 第19页 |
3.2 遗传算法的改进 | 第19-21页 |
3.2.1 选择操作的改进 | 第19页 |
3.2.2 交叉操作的改进 | 第19-20页 |
3.2.3 变异操作的改进 | 第20页 |
3.2.4 遗传算法改进的测试 | 第20-21页 |
3.3 软件项目任务调度问题的模型改进 | 第21-22页 |
3.3.1 解的规范化处理方法 | 第21页 |
3.3.2 加班工作量上限的设定 | 第21-22页 |
3.3.3 员工技能匹配方法的改进 | 第22页 |
3.3.4 技能熟练程度 | 第22页 |
3.3.5 员工学习进度规律 | 第22页 |
3.4 基于改进遗传算法的软件项目调度问题求解方法 | 第22-24页 |
3.4.1 编码及初始化 | 第22-23页 |
3.4.2 适应度函数 | 第23-24页 |
3.4.3 约束条件 | 第24页 |
3.4.4 遗传算子 | 第24页 |
3.4.5 调度模型 | 第24页 |
3.5 实验结果分析 | 第24-31页 |
3.5.1 实验参数设置 | 第24-25页 |
3.5.2 实验过程描述 | 第25-26页 |
3.5.3 实验结果分析 | 第26-31页 |
3.6 算法实例的应用 | 第31-33页 |
3.6.1 实例分析 | 第31-32页 |
3.6.2 实验结果 | 第32-33页 |
3.7 本章小结 | 第33-35页 |
第四章 改进的自适应遗传算法在软件工程任务调度中的研究 | 第35-53页 |
4.1 引言 | 第35页 |
4.2 自适应遗传算法简介 | 第35-36页 |
4.3 自适应遗传算法的改进 | 第36-40页 |
4.3.1 选择操作的改进 | 第36页 |
4.3.2 交叉操作的改进 | 第36-38页 |
4.3.3 变异操作的改进 | 第38-39页 |
4.3.4 自适应遗传算法改进的测试 | 第39-40页 |
4.4 软件项目调度问题模型的改进 | 第40-42页 |
4.4.1 项目进行中招聘实习生制 | 第40-41页 |
4.4.2 技能熟练程度改进 | 第41-42页 |
4.4.3 员工学习进度曲线 | 第42页 |
4.4.4 加班工作量上限的设定 | 第42页 |
4.5 基于改进自适应的遗传算法的软件项目调度问题求解方法 | 第42-43页 |
4.5.1 编码及初始化 | 第42-43页 |
4.5.2 适应度函数 | 第43页 |
4.5.3 约束条件 | 第43页 |
4.5.4 遗传算子 | 第43页 |
4.5.5 调度模型 | 第43页 |
4.6 实验结果分析 | 第43-51页 |
4.6.1 实验参数的设置 | 第43-44页 |
4.6.2 实验过程描述 | 第44页 |
4.6.3 实验对比与结果分析 | 第44-51页 |
4.7 算法实例的应用 | 第51-52页 |
4.7.1 实例分析 | 第51页 |
4.7.2 实验结果 | 第51-52页 |
4.8 本章小结 | 第52-53页 |
第五章 总结与展望 | 第53-55页 |
5.1 工作总结 | 第53页 |
5.2 工作展望 | 第53-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-59页 |
附录: 作者在攻读硕士学位期间发表的论文 | 第59页 |