| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究背景、目的和意义 | 第9-11页 |
| 1.3 相关领域国内外研究现状 | 第11-18页 |
| 1.3.1 云制造研究现状 | 第11-13页 |
| 1.3.2 复杂网络研究现状 | 第13-15页 |
| 1.3.3 动态调度方法研究现状 | 第15-18页 |
| 1.4 论文主要研究内容及结构安排 | 第18-20页 |
| 1.4.1 主要研究内容 | 第18-19页 |
| 1.4.2 论文结构安排 | 第19-20页 |
| 第2章 云制造环境下动态任务调度模型及求解框架 | 第20-26页 |
| 2.1 调度问题概述 | 第20-21页 |
| 2.2 调度问题数学模型 | 第21-23页 |
| 2.3 求解框架 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 调度对象复杂网络模型构建及调度规则提取 | 第26-43页 |
| 3.1 调度对象复杂网络构建 | 第26-29页 |
| 3.2 复杂网络特征 | 第29-30页 |
| 3.2.1 度与度分布 | 第29-30页 |
| 3.2.2 聚类系数 | 第30页 |
| 3.3 基于网络结构特征与任务属性的调度规则 | 第30-36页 |
| 3.3.1 完全随机调度规则 | 第31-33页 |
| 3.3.2 基于任务属性的调度规则 | 第33-35页 |
| 3.3.3 基于度值与任务属性的调度规则 | 第35-36页 |
| 3.3.4 基于聚类系数与任务属性的调度规则 | 第36页 |
| 3.4 实验仿真与分析 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 结合复杂网络的改进蚁群算法 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 蚁群算法 | 第43-47页 |
| 4.2.1 蚁群算法原理 | 第43-46页 |
| 4.2.2 蚁群算法的优缺点 | 第46-47页 |
| 4.3 结合复杂网络的改进蚁群算法 | 第47-52页 |
| 4.3.1 状态转移规则优化 | 第47-48页 |
| 4.3.2 并行策略优化 | 第48-50页 |
| 4.3.3 算法执行流程 | 第50-52页 |
| 4.4 改进蚁群算法分析 | 第52-57页 |
| 4.4.1 算法参数分析 | 第52-56页 |
| 4.4.2 算法在云制造环境下任务调度中的可行性分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 基于复杂网络和改进蚁群算法的云制造环境下动态任务调度 | 第58-73页 |
| 5.1 动态调度模型 | 第58-60页 |
| 5.2 基于新增任务数的混合驱动机制 | 第60-61页 |
| 5.3 基于复杂网络与改进蚁群算法的重调度方案生成 | 第61-66页 |
| 5.3.1 重调度策略 | 第61页 |
| 5.3.2 蚁群算法编码与解码 | 第61-62页 |
| 5.3.3 重调度流程 | 第62-66页 |
| 5.3.4 重调度性能评价指标 | 第66页 |
| 5.4 仿真与分析 | 第66-72页 |
| 5.4.1 重调度算法仿真与对比分析 | 第66-68页 |
| 5.4.2 实例仿真 | 第68-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 全文工作总结 | 第73-74页 |
| 6.2 未来工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间获得与学位论文相关的科研成果 | 第80页 |
