| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究工作 | 第12-14页 |
| 第2章 群体智能算法描述 | 第14-29页 |
| ·群体智能思想介绍 | 第14-15页 |
| ·群体智能的主要算法 | 第15-29页 |
| ·文化算法 | 第15-16页 |
| ·蚁群算法 | 第16-17页 |
| ·粒子群优化算法 | 第17-29页 |
| ·算法概论 | 第17-18页 |
| ·Basic PSO 的概述 | 第18-21页 |
| ·PSO 的社会结构和交互方式 | 第21-23页 |
| ·PSO 算法中涉及的参数 | 第23-24页 |
| ·PSO 的其他变种及改进 | 第24-29页 |
| 第3章 job shop 调度问题 | 第29-33页 |
| ·job shop 问题描述 | 第29-33页 |
| 第4章 基于具有自适应与自学习能力的 PSO 的 job shop 算法 | 第33-42页 |
| ·现有的算法框架 | 第33-34页 |
| ·ALPSO-JSP 算法介绍 | 第34-42页 |
| ·粒子表示及 random-key 转换 | 第34-35页 |
| ·求 JSP active 调度方案的算法 | 第35-36页 |
| ·模拟退火中邻域变化讨论 | 第36-39页 |
| ·ALPSO-JSP 算法 | 第39-42页 |
| 第5章 实验结果及实验数据分析 | 第42-46页 |
| ·实验参数的设定 | 第42页 |
| ·实验结果 | 第42-44页 |
| ·实验结果分析 | 第44-46页 |
| 第6章 总结和展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介及在学期间所取得的科研成果 | 第50-51页 |
| 致谢 | 第51页 |