| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究的目的和意义 | 第11-12页 |
| 1.2 本文研究的内容及主要成果 | 第12-13页 |
| 1.3 本文的研究思路 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第二章 人工蜂群算法的研究及收敛性分析 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 人工蜂群算法的生物学背景 | 第15-16页 |
| 2.3 人工蜂群算法的研究现状 | 第16-18页 |
| 2.4 人工蜂群算法的数学模型 | 第18页 |
| 2.4.1 种群初始化 | 第18页 |
| 2.4.2 引领蜂时期 | 第18页 |
| 2.4.3 跟随蜂时期 | 第18页 |
| 2.4.4 侦查蜂时期 | 第18页 |
| 2.5 人工蜂群算法的收敛性分析 | 第18-23页 |
| 2.5.1 人工蜂群算法的Markov模型 | 第18-20页 |
| 2.5.2 人工蜂群算法的收敛性分析 | 第20-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 基于反向学习的人工蜂群算法的研究及收敛性分析 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 反向学习机制概述 | 第25-26页 |
| 3.2.1 反向学习机制的概念 | 第25页 |
| 3.2.2 反向学习机制的研究现状 | 第25-26页 |
| 3.3 基于反向学习的人工蜂群算法的数学模型 | 第26-30页 |
| 3.3.1 反向学习的相关数学概念 | 第26页 |
| 3.3.2 基于反向学习的人工蜂群算法的基本实现步骤 | 第26-28页 |
| 3.3.3 基于反向学习的人工蜂群算法的流程 | 第28-29页 |
| 3.3.4 基于反向学习的人工蜂群算法的流程图 | 第29-30页 |
| 3.4 基于反向学习的人工蜂群算法的收敛性分析 | 第30-34页 |
| 3.4.1 预备知识与相关理论 | 第30-31页 |
| 3.4.2 基于反向学习的人工蜂群算法的数学概念 | 第31页 |
| 3.4.3 基于反向学习的人工蜂群算法的Markov模型 | 第31-32页 |
| 3.4.4 基于反向学习的人工蜂群算法的收敛性分析 | 第32-34页 |
| 3.5 仿真实验及分析 | 第34-37页 |
| 3.5.1 仿真实验 | 第34-37页 |
| 3.5.2 数据分析 | 第37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于反向学习的人工蜂群算法在车间调度中的应用 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.2 车间调度问题概述 | 第40-42页 |
| 4.2.1 车间调度问题基本模型 | 第40-41页 |
| 4.2.2 车间调度问题研究现状 | 第41-42页 |
| 4.3 车间调度问题研究方法 | 第42-44页 |
| 4.3.1 传统的运筹学方法 | 第42-43页 |
| 4.3.2 启发式规则 | 第43页 |
| 4.3.3 智能优化算法 | 第43-44页 |
| 4.4 基于反向学习的人工蜂群算法在车间调度中的应用 | 第44-45页 |
| 4.4.1 车间调度问题的数学模型 | 第44页 |
| 4.4.2 车间调度问题算法的基本流程 | 第44-45页 |
| 4.5 仿真实验及分析 | 第45-49页 |
| 4.5.1 仿真实验 | 第45-48页 |
| 4.5.2 数据分析 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 结论 | 第51-53页 |
| 5.1 本文的工作总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 作者简介 | 第57页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59-60页 |
