摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-22页 |
1.1 研究背景 | 第9-10页 |
1.2 研究目的及意义 | 第10-11页 |
1.3 主要研究内容 | 第11-12页 |
1.4 技术路线 | 第12-13页 |
1.5 国内外研究综述 | 第13-21页 |
1.5.1 精益生产 | 第13-15页 |
1.5.2 从精益生产到精益建造 | 第15-17页 |
1.5.3 六西格玛管理方法 | 第17-19页 |
1.5.4 精益六西格玛在建筑业中的应用研究 | 第19-20页 |
1.5.5 总结 | 第20-21页 |
1.6 本文创新点 | 第21-22页 |
第二章 精益六西格玛建造相关理论 | 第22-30页 |
2.1. 精益建造理论 | 第22-24页 |
2.1.1 精益建造的项目质量管理 | 第22-23页 |
2.1.2 精益建造的项目成本管理 | 第23页 |
2.1.3 精益建造的项目工期管理 | 第23-24页 |
2.2 六西格玛管理理论 | 第24-29页 |
2.2.1 精益六西格玛 | 第26-28页 |
2.2.2 精益六西格玛建造 | 第28-29页 |
2.3 本章小结 | 第29-30页 |
第三章 精益六西格玛建造的多目标优化模型 | 第30-45页 |
3.1 基于精益六西格玛建造的多目标优化模型 | 第30-40页 |
3.1.1 工期-成本优化模型 | 第31-37页 |
3.1.2 工期-质量优化模型 | 第37-39页 |
3.1.3 多目标优化模型的建立 | 第39-40页 |
3.2 基于精益六西格玛的DMAIC-Ⅰ模型 | 第40-44页 |
3.3 本章小结 | 第44-45页 |
第四章 多目标优化模型的微粒群算法 | 第45-57页 |
4.1 多目标微粒群算法简介 | 第45页 |
4.2 微粒群算法与其他算法比较 | 第45-48页 |
4.2.1 遗传算法 | 第45-46页 |
4.2.2 模拟退火算法 | 第46-47页 |
4.2.3 人工神经网络 | 第47-48页 |
4.3 多目标微粒群算法基本原理 | 第48-49页 |
4.4 微粒群算法的参数及设置 | 第49-51页 |
4.5 微粒群算法的运算流程 | 第51-53页 |
4.6 根据本文特点对基本PSO算法所做的修正 | 第53-57页 |
第五章 工程项目多目标模型微粒群算法求解的实证分析 | 第57-69页 |
5.1 工程概况 | 第57-59页 |
5.2 网络图及横道图的绘制 | 第59-61页 |
5.3 微粒群算法的实现过程 | 第61-65页 |
5.4 多目标微粒群算法的求解结果 | 第65-68页 |
5.5 结论 | 第68-69页 |
第六章 结论与展望 | 第69-71页 |
6.1 本文研究结果 | 第69页 |
6.2 存在的不足及研究展望 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-75页 |
附录1 微粒群算法运行的基本程序 | 第75-79页 |
附录2 TQC目标函数的计算程序 | 第79-81页 |
硕士期间发表的学术论文 | 第81页 |