第一章 绪论 | 第1-23页 |
·研究背景及意义 | 第14-16页 |
·课题来源 | 第14页 |
·研究背景 | 第14-15页 |
·研究意义 | 第15-16页 |
·相关领域的国内外研究概况 | 第16-21页 |
·生产作业调度问题 | 第16-17页 |
·生产作业调度问题的算法研究 | 第17-21页 |
·本文研究的主要内容 | 第21-23页 |
第二章 生产作业调度问题的理论与方法 | 第23-43页 |
·引言 | 第23页 |
·生产作业调度问题概述 | 第23-29页 |
·生产作业调度问题的特点 | 第23-25页 |
·生产作业调度问题的目标 | 第25页 |
·生产作业调度问题的类型 | 第25-27页 |
·流水作业调度问题的一般描述 | 第27-29页 |
·流水作业调度问题的启发式方法 | 第29-33页 |
·Palmer启发式方法 | 第29-30页 |
·Gupta启发式算法 | 第30页 |
·CDS启发式算法 | 第30页 |
·RA启发式算法 | 第30-31页 |
·关键工件法 | 第31页 |
·NEH启发式算法 | 第31-32页 |
·Rajendran算法 | 第32页 |
·Insertion Method算法 | 第32页 |
·SL算法 | 第32-33页 |
·生产作业调度问题的模拟退火方法 | 第33-35页 |
·生产作业调度问题的遗传算法 | 第35-42页 |
·遗传算法产生与发展 | 第35-36页 |
·遗传算法求解调度问题的一般过程 | 第36-40页 |
·遗传算法的应用研究现状 | 第40-42页 |
·本章小结 | 第42-43页 |
第三章 Flow Shop调度问题的模拟进化法 | 第43-59页 |
·遗传算法的优势 | 第43-45页 |
·遗传算法与普通搜索算法的比较 | 第43页 |
·遗传算法的优势 | 第43-45页 |
·遗传算法的基本理论 | 第45-49页 |
·模式理论 | 第45-48页 |
·基因块假设 | 第48页 |
·欺骗问题 | 第48-49页 |
·收敛性分析 | 第49页 |
·Flow Shop调度问题的遗传算法 | 第49-53页 |
·用基于启发式规则的有序遗传算法求解Flow Shop调度问题 | 第53-55页 |
·计算机模拟 | 第55-57页 |
·本章小结 | 第57-59页 |
第四章 一类Flow Shop调度问题的混合遗传算法 | 第59-70页 |
·序言 | 第59页 |
·平行顺序移动方式下Flow Shop调度问题的数学描述 | 第59-61页 |
·混合遗传算法的设计策略 | 第61-65页 |
·混合算法的结构形式 | 第61-62页 |
·混合遗传算法的优化策略与流程 | 第62-65页 |
·求解Flow Shop排序问题的混合遗传算法的实现 | 第65-67页 |
·初始种群的构成与种群规模N的确定 | 第65页 |
·适应值函数 | 第65页 |
·杂交算子及父代个体的选择 | 第65-66页 |
·模拟退火过程 | 第66-67页 |
·计算机模拟结果 | 第67-68页 |
·本章小结 | 第68-70页 |
第五章 带模糊交货期的流水生产调度问题研究 | 第70-76页 |
·序言 | 第70页 |
·带交货期的流水生产调度问题描述 | 第70-71页 |
·隶属函数与交货期的模糊化 | 第71-73页 |
·基于遗传算法的计算机模拟系统设计 | 第73-74页 |
·模拟计算 | 第74-75页 |
·本章小结 | 第75-76页 |
第六章 成组生产计划与调度的集成模型及优化 | 第76-85页 |
·引言 | 第76-77页 |
·成组生产计划与调度的集成模型 | 第77-79页 |
·两层次遗传优化方法 | 第79-83页 |
·实例计算 | 第83-84页 |
·本章小结 | 第84-85页 |
第七章 生产作业调度问题的软计算系统 | 第85-93页 |
·引言 | 第85-86页 |
·基于遗传算法的智能优化调度系统及其体系结构 | 第86-89页 |
·遗传算法与专家系统 | 第86-87页 |
·系统结构 | 第87-89页 |
·系统的工作机制 | 第89-92页 |
·遗传优化 | 第89-91页 |
·决策支持 | 第91-92页 |
·本章小结 | 第92-93页 |
结论与展望 | 第93-96页 |
致谢 | 第96-97页 |
参考文献 | 第97-105页 |
攻读博士学位期间发表的论文及科研成果 | 第105-106页 |