摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-20页 |
1.1 课题来源和研究目的 | 第9-10页 |
1.2 课题背景及研究意义 | 第10-11页 |
1.3 不确定性车间调度问题概述 | 第11-18页 |
1.3.1 车间调度问题描述及分类 | 第11-12页 |
1.3.2 FJSP问题的主要特点 | 第12页 |
1.3.3 FJSP问题的研究方法 | 第12-18页 |
1.4 章节安排与论文结构 | 第18-19页 |
1.5 本章小结 | 第19-20页 |
第2章 不确定条件下FJSP问题的理论研究 | 第20-30页 |
2.1 不确定性因素的分类 | 第20页 |
2.2 不确定性因素的数学描述 | 第20-23页 |
2.2.1 在区间内变化的不确定性参数 | 第21-22页 |
2.2.2 服从概率分布的不确定性参数 | 第22页 |
2.2.3 具有模糊特征的不确定性参数 | 第22-23页 |
2.3 不确定条件下车间调度的求解策略与优化理论 | 第23-28页 |
2.3.1 不确定因素的表征方式 | 第23-24页 |
2.3.2 调度方案的决策机制 | 第24-27页 |
2.3.3 调度方案的优化方法 | 第27-28页 |
2.4 存在的不足 | 第28-29页 |
2.5 本章小结 | 第29-30页 |
第3章 不确定条件下FJSP的数学模型及其鲁棒优化 | 第30-43页 |
3.1 具有不确定加工时间的FJSP问题描述 | 第30-31页 |
3.2 不确定FJSP问题的数学模型 | 第31-32页 |
3.2.1 相关符号说明 | 第31-32页 |
3.2.2 带有不确定加工时间的FJSP模型 | 第32页 |
3.3 不确定FJSP模型的鲁棒优化框架 | 第32-42页 |
3.3.1 参数不确定情形下通用鲁棒优化框架 | 第33-34页 |
3.3.2 鲁棒优化分位点的数学表达 | 第34-41页 |
3.3.3 不确定FJSP的鲁棒对等模型 | 第41-42页 |
3.4 本章小结 | 第42-43页 |
第4章 不确定条件下FJSP鲁棒调度算法设计 | 第43-54页 |
4.1 遗传算法基本原理及其应用优势 | 第43-44页 |
4.1.1 遗传算法的基本原理 | 第43页 |
4.1.2 遗传算法在FJSP中的应用优势 | 第43-44页 |
4.2 邻域搜索算法基本原理及其应用优势 | 第44-45页 |
4.2.1 邻域搜索算法的基本原理 | 第44页 |
4.2.2 邻域搜索算法在FJSP中的应用优势 | 第44-45页 |
4.3 鲁棒调度算法设计 | 第45-53页 |
4.3.1 编码方式与FJSP双层遗传编码 | 第46-47页 |
4.3.2 解码方式与FJSP活动调度解码 | 第47-49页 |
4.3.3 形成初始化种群 | 第49-50页 |
4.3.4 不确定适应度函数设计 | 第50页 |
4.3.5 基于轮盘赌的选择操作 | 第50页 |
4.3.6 面向工序码和机器码的交叉操作 | 第50-52页 |
4.3.7 基于邻域搜索的变异操作 | 第52-53页 |
4.4 本章小结 | 第53-54页 |
第5章 算例分析 | 第54-61页 |
5.1 案例描述 | 第54-55页 |
5.1.1 典型案例介绍 | 第54页 |
5.1.2 大规模案例介绍 | 第54-55页 |
5.2 实验参数设置 | 第55页 |
5.2.1 算法参数设置 | 第55页 |
5.2.2 不确定参数设置 | 第55页 |
5.3 典型案例实验结果 | 第55-58页 |
5.3.1 典型案例的确定型问题结果 | 第55-56页 |
5.3.2 典型案例的不确定型问题结果 | 第56页 |
5.3.3 典型案例的不确定参数敏感性分析 | 第56-57页 |
5.3.4 典型案例的不确定参数的ANOVA分析 | 第57-58页 |
5.4 大规模案例的算法性能分析 | 第58-60页 |
5.5 本章小结 | 第60-61页 |
第6章 总结与展望 | 第61-63页 |
6.1 全文总结 | 第61-62页 |
6.2 工作展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-69页 |
附录1 攻读硕士学位期间发表的论文 | 第69-70页 |
附录2 攻读硕士学位期间参加的科研项目 | 第70-71页 |
附录3 常见的离散型概率分布 | 第71-72页 |
附录4 常见的连续型概率分布 | 第72-74页 |
附录5 部分案例数据表 | 第74-76页 |
附录6 算法部分程序代码摘录 | 第76-78页 |