摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-21页 |
1.1 选题背景与课题意义 | 第10-11页 |
1.2 相关问题的研究现状 | 第11-17页 |
1.2.1 有资源约束的项目调度问题 | 第11-13页 |
1.2.2 可中断有资源约束的项目调度问题 | 第13-14页 |
1.2.3 多模式资源约束项目调度优化问题 | 第14-16页 |
1.2.4 云服务工作流调度时间费用/优化问题 | 第16-17页 |
1.3 论文的主要工作 | 第17-19页 |
1.4 论文的组织结构 | 第19-21页 |
第2章 不可中断单模态资源约束项目调度优化 | 第21-36页 |
2.1 问题描述 | 第21页 |
2.2 改进的粒子群算法 | 第21-23页 |
2.3 粒子的编码和群体的生成 | 第23-25页 |
2.3.1 随机秘钥编码方法 | 第23-24页 |
2.3.2 顺序约束可行的编码方法 | 第24-25页 |
2.4 调度生成方法 | 第25-28页 |
2.5 实验结果与分析 | 第28-33页 |
2.5.1 算法性能的衡量方法 | 第29页 |
2.5.2 算法参数设置 | 第29页 |
2.5.3 不同粒子群算法的对比 | 第29-31页 |
2.5.4 调度数量对算法性能的影响 | 第31-32页 |
2.5.5 项目不同特征参数对算法性能的影响 | 第32-33页 |
2.5.6 与其他算法的比较 | 第33页 |
2.6 本章小结 | 第33-36页 |
第3章 可中断单模态资源约束项目调度优化 | 第36-52页 |
3.1 问题描述 | 第36-37页 |
3.2 遗传算法求解1_PRCPSP问题 | 第37-40页 |
3.2.1 染色体的编码 | 第39页 |
3.2.2 交叉算子和变异算子 | 第39-40页 |
3.3 调度生成方法 | 第40-43页 |
3.4 实验结果与分析 | 第43-50页 |
3.4.1 算法性能的衡量指标 | 第44-47页 |
3.4.2 算法参数设置 | 第47页 |
3.4.3 不同算法性能比较 | 第47-48页 |
3.4.4 可中断加工模式有效性分析 | 第48-50页 |
3.5 本章小结 | 第50-52页 |
第4章 多模态资源约束项目调度优化 | 第52-69页 |
4.1 问题描述 | 第52-54页 |
4.2 离散粒子群求解MRCPSP的两个子问题 | 第54-58页 |
4.2.1 个体的编码 | 第55页 |
4.2.2 群体的初始化 | 第55-56页 |
4.2.3 粒子位置的更新方法 | 第56-57页 |
4.2.4 粒子适应度的评估方法 | 第57-58页 |
4.3 正向/反向改进调度生成方法 | 第58-59页 |
4.4 两群协作优化MRCPSP问题 | 第59-62页 |
4.4.1 两群的协作优化方法 | 第59-62页 |
4.4.2 解的进一步优化 | 第62页 |
4.5 实验结果与分析 | 第62-67页 |
4.5.1 算法性能的衡量指标 | 第64-65页 |
4.5.2 实验参数设置 | 第65-66页 |
4.5.3 正向/反向改进调度方法对算法性能的影响 | 第66页 |
4.5.4 部搜索策略对算法性能的影响 | 第66页 |
4.5.5 CPSO算法与其他算法的对比 | 第66-67页 |
4.6 本章小结 | 第67-69页 |
第5章 具有准备时间和截止期约束的云制造工作流调度优化 | 第69-81页 |
5.1 问题描述 | 第70-71页 |
5.2 基于分布估计算法求解云制造工作流调度 | 第71-75页 |
5.2.1 个体编码方法与变量概率分布向量的初始化 | 第71-72页 |
5.2.2 启发式的初始解生成方法 | 第72-73页 |
5.2.3 个体适应度的评价与择优 | 第73-74页 |
5.2.4 概率分布向量的更新 | 第74页 |
5.2.5 混合分布估计算法 | 第74-75页 |
5.3 实验结果与分析 | 第75-79页 |
5.3.1 算法参数设置 | 第75-77页 |
5.3.2 精英选择方法的比较 | 第77-78页 |
5.3.3 HEDA算法与其他算法的比较 | 第78-79页 |
5.3.4 算法执行时间 | 第79页 |
5.4 本章小结 | 第79-81页 |
第6章 结论与展望 | 第81-84页 |
6.1 结论 | 第81-82页 |
6.2 展望 | 第82-84页 |
致谢 | 第84-85页 |
参考文献 | 第85-90页 |
攻读博士学位期间参与的科研项目 | 第90-91页 |
攻读博士学位期间发表和撰写的学术论文 | 第91页 |