基于免疫遗传算法的Job Shop调度问题研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究的背景 | 第11页 |
| ·研究的意义 | 第11-12页 |
| ·国内外的研究现状 | 第12-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·论文结构 | 第15-16页 |
| 第2章 Job Shop车间调度问题概述 | 第16-24页 |
| ·车间调度问题的分类 | 第16-17页 |
| ·车间调度问题的特点 | 第17页 |
| ·Job Shop调度问题 | 第17-23页 |
| ·Job Shop调度问题的描述 | 第18-19页 |
| ·Job Shop调度问题的描述方法 | 第19-21页 |
| ·优化目标 | 第21页 |
| ·调度算法的设计 | 第21-22页 |
| ·经典的调度算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 免疫遗传算法概述 | 第24-40页 |
| ·遗传算法 | 第24-30页 |
| ·遗传算法的基本思想 | 第24-25页 |
| ·遗传算法的概念 | 第25-26页 |
| ·遗传操作的基本操作 | 第26-29页 |
| ·遗传算法的基本流程 | 第29-30页 |
| ·遗传算法的特点 | 第30页 |
| ·遗传算法存在的不足 | 第30页 |
| ·免疫算法 | 第30-34页 |
| ·生物免疫机制 | 第31页 |
| ·免疫算法 | 第31-33页 |
| ·免疫算法的分类 | 第33-34页 |
| ·免疫遗传算法 | 第34-37页 |
| ·免疫遗传算法的特点 | 第35-36页 |
| ·研究现状 | 第36-37页 |
| ·免疫遗传算法的不足 | 第37页 |
| ·模拟退火算法 | 第37-39页 |
| ·新解的产生和接受机制 | 第38页 |
| ·模拟退火算法的步骤 | 第38-39页 |
| ·模拟退火算法的特点 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 自适应混合免疫遗传算法——SIGA | 第40-50页 |
| ·基于浓度的自适应种群更新策略 | 第40-43页 |
| ·新的浓度定义 | 第40-41页 |
| ·基于浓度的自适应交叉变异 | 第41-42页 |
| ·基于浓度的种群更新 | 第42-43页 |
| ·免疫操作 | 第43-44页 |
| ·接种疫苗 | 第43-44页 |
| ·免疫选择 | 第44页 |
| ·免疫记忆 | 第44页 |
| ·双种群系统 | 第44-45页 |
| ·算法流程 | 第45-47页 |
| ·性能分析 | 第47-49页 |
| ·问题描述 | 第48页 |
| ·实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于SIGA的Job Shop调度 | 第50-68页 |
| ·编码设计 | 第50-52页 |
| ·初始种群的产生 | 第52页 |
| ·疫苗接种 | 第52-53页 |
| ·适应值函数 | 第53页 |
| ·遗传算子的设计 | 第53-56页 |
| ·选择策略 | 第53-54页 |
| ·交叉策略 | 第54-55页 |
| ·变异策略 | 第55页 |
| ·模拟退火选择 | 第55-56页 |
| ·基于瓶颈禁忌的局部搜索 | 第56-65页 |
| ·转换瓶颈算法 | 第56-57页 |
| ·禁忌算法 | 第57-60页 |
| ·基于瓶颈禁忌的局部搜索 | 第60-65页 |
| ·改进的自适应混合免疫遗传算法——SIGA Ⅱ | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 算法的性能分析与应用 | 第68-90页 |
| ·实验和性能分析 | 第68-80页 |
| ·疫苗评估 | 第68-70页 |
| ·参数评估 | 第70-73页 |
| ·机制评估 | 第73-77页 |
| ·算法性能的对比分析 | 第77-80页 |
| ·SIGA Ⅱ的实际应用 | 第80-89页 |
| ·应用实例Ⅰ | 第80-82页 |
| ·应用实例Ⅱ | 第82-89页 |
| ·本章总结 | 第89-90页 |
| 第7章 总结与展望 | 第90-92页 |
| ·结论 | 第90-91页 |
| ·展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 致谢 | 第96-97页 |
| 攻读学位期间参加的科研项目和成果 | 第97页 |
