| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究意义 | 第12-13页 |
| 1.2 国内外现状分析 | 第13-16页 |
| 1.2.1 拆卸线平衡问题及总体研究现状概述 | 第13-14页 |
| 1.2.2 国内外研究现状 | 第14-16页 |
| 1.3 课题研究目标、研究内容、解决的关键问题 | 第16-17页 |
| 1.4 采取的研究方法、技术路线 | 第17-18页 |
| 1.5 论文结构和主要内容 | 第18-20页 |
| 第2章 多目标拆卸线平衡问题的概念和数学模型 | 第20-28页 |
| 2.1 拆卸线平衡的概念 | 第20-22页 |
| 2.2 拆卸线平衡的目标函数及其数学模型 | 第22-26页 |
| 2.2.1 拆卸线的零件优先关系 | 第22-23页 |
| 2.2.2 拆卸线平衡问题的目标函数 | 第23-26页 |
| 2.3 拆卸线可行拆卸解的构造 | 第26-27页 |
| 2.3.1 构造拆卸线可行解 | 第26页 |
| 2.3.2 拆卸线可行解的解码 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 多种改进粒子群算法描述 | 第28-44页 |
| 3.1 改进的粒子群优化算法 | 第28-29页 |
| 3.1.1 基本粒子群算法 | 第28页 |
| 3.1.2 基本粒子群算法模型分析 | 第28-29页 |
| 3.2 粒子群算法的几种改进方式 | 第29-30页 |
| 3.3 基于种群拓扑结构的粒子群算法 | 第30-33页 |
| 3.3.1 粒子种群的广义邻居拓扑结构 | 第30-31页 |
| 3.3.2 粒子动态邻居的构建 | 第31页 |
| 3.3.3 变异操作 | 第31-33页 |
| 3.4 混合遗传算法的改进粒子群算法 | 第33-36页 |
| 3.4.1 遗传算法 | 第34-35页 |
| 3.4.2 混合遗传算法的改进粒子群算法的具体实现步骤 | 第35-36页 |
| 3.5 自适应粒子群算法 | 第36-39页 |
| 3.5.1 动态自适应粒子群算法实现步骤 | 第38-39页 |
| 3.6 社会粒子群算法 | 第39-43页 |
| 3.6.1 社会粒子群算法介绍 | 第40-41页 |
| 3.6.2 算法实现步骤 | 第41-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 多目标优化的求解方法 | 第44-51页 |
| 4.1 多目标优化问题 | 第44-45页 |
| 4.2 基于小生境技术的多目标Pareto算法 | 第45-48页 |
| 4.2.1 小生境技术中外部档案解集更新和筛选 | 第46-47页 |
| 4.2.2 基于小生境技术的Pareto解集的筛选 | 第47-48页 |
| 4.3 基于表现型共享的多目标Pareto算法 | 第48-49页 |
| 4.3.1 基于表现型共享的适应度函数 | 第48-49页 |
| 4.3.2 算法实现步骤 | 第49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 改进粒子群算法在多目标拆卸线平衡问题的应用 | 第51-79页 |
| 5.1 几种典型的拆卸线平衡问题的案例 | 第51-66页 |
| 5.1.1 一个零件数目为8的部件的拆卸 | 第51-52页 |
| 5.1.2 一个零件数目为10的个人PC机的拆卸 | 第52-53页 |
| 5.1.3 一个零件数目为52的工业缝纫机高速电子套结机的拆卸 | 第53-57页 |
| 5.1.4 一个零件数目为18的声音辨识器单元的拆卸 | 第57-60页 |
| 5.1.5 一个零件数目为34的发动机的拆卸 | 第60-64页 |
| 5.1.6 19个基准拆卸案例的计算分析 | 第64-66页 |
| 5.2 多种改进粒子群算法与基本粒子群在几个算例中的优化比较 | 第66-69页 |
| 5.3 带变异操作的广义动态邻居学习的粒子群算法在拆卸线平衡中的应用 | 第69-72页 |
| 5.3.1 DNMPSO算法在拆卸线平衡问题中实现步骤 | 第69-70页 |
| 5.3.2 DNMPSO算法在拆卸线平衡问题的运行结果分析 | 第70-72页 |
| 5.4 多目标混合遗传算法的粒子群算法的应用 | 第72-74页 |
| 5.4.1 多目标混合遗传算法的粒子群算法(MO-GAPSO)实现步骤 | 第72-73页 |
| 5.4.2 多目标混合遗传算法的粒子群算法(MO-GAPSO)实际案例应用分析 | 第73-74页 |
| 5.5 动态自适应粒子群算法在多目标拆卸线平衡问题中的应用 | 第74-77页 |
| 5.5.1 动态自适应表现型共享的多目标粒子群算法的实现步骤 | 第74-75页 |
| 5.5.2 动态自适应表现型共享的多目标粒子群算法应用实例 | 第75-77页 |
| 5.6 本章小结 | 第77-79页 |
| 结论与展望 | 第79-81页 |
| 结论 | 第79-80页 |
| 展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第85页 |
