摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第13-21页 |
1.1 选题背景、研究目的及意义 | 第13-14页 |
1.1.1 选题背景 | 第13-14页 |
1.1.2 研究目的及意义 | 第14页 |
1.2 研究现状 | 第14-19页 |
1.2.1 能耗优化调度问题的研究现状 | 第14-15页 |
1.2.2 柔性流水车间调度问题的研究现状 | 第15-16页 |
1.2.3 批量调度问题的研究现状 | 第16-17页 |
1.2.4 生产调度研究方法研究现状 | 第17-19页 |
1.3 本文研究思路、内容和框架 | 第19-21页 |
第二章 基于动态分批的柔性流水车间能效优化模型构建 | 第21-27页 |
2.1 概述 | 第21页 |
2.2 问题描述 | 第21-23页 |
2.3 能效优化模型 | 第23-26页 |
2.3.1 优化目标 | 第23页 |
2.3.2 约束条件 | 第23-25页 |
2.3.3 目标函数 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 基于启发式规则的遗传算法初始种群产生策略 | 第27-52页 |
3.1 概述 | 第27页 |
3.2 具有工艺特征的动态分批策略 | 第27-29页 |
3.2.1 考虑产品种类的分批策略 | 第28页 |
3.2.2 考虑工件尺寸规格的分批策略 | 第28-29页 |
3.3 调度策略 | 第29-36页 |
3.3.1 基于优先规则的启发式算法 | 第29-32页 |
3.3.2 基于能耗优化的启发式算法 | 第32-36页 |
3.4 基于组合规则的启发式算法 | 第36-37页 |
3.5 算法仿真对比分析 | 第37-51页 |
3.5.1 算例设计 | 第37-38页 |
3.5.2 仿真结果及分析 | 第38-51页 |
3.6 本章小结 | 第51-52页 |
第四章 基于启发式规则的混合遗传算法研究 | 第52-67页 |
4.1 概述 | 第52-53页 |
4.2 混合遗传算法的求解过程 | 第53-59页 |
4.2.1 编码方式 | 第53-55页 |
4.2.2 种群的初始化 | 第55-56页 |
4.2.3 适应度函数 | 第56页 |
4.2.4 选择操作 | 第56-57页 |
4.2.5 交叉操作 | 第57-59页 |
4.2.6 变异操作 | 第59页 |
4.3 算法仿真对比分析 | 第59-66页 |
4.3.1 仿真算例 | 第59-61页 |
4.3.2 仿真结果及分析 | 第61-66页 |
4.4 本章小结 | 第66-67页 |
第五章 基于动态分批的柔性流水车间能效优化调度模块开发 | 第67-76页 |
5.1 概述 | 第67页 |
5.2 模块的总体设计 | 第67-69页 |
5.2.1 开发环境 | 第67-68页 |
5.2.2 结构框架 | 第68-69页 |
5.3 模块功能结构 | 第69-70页 |
5.4 模块功能实现及应用 | 第70-75页 |
5.4.1 基础数据管理子模块 | 第70-72页 |
5.4.2 车间生产调度子模块 | 第72-75页 |
5.5 本章小结 | 第75-76页 |
总结与展望 | 第76-78页 |
参考文献 | 第78-82页 |
攻读学位期间发表的论文 | 第82-84页 |
致谢 | 第84页 |