| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 国内外研究概况综述 | 第13-16页 |
| 1.2.1 车间调度问题的发展 | 第13页 |
| 1.2.2 车间调度问题的研究现状 | 第13-15页 |
| 1.2.3 现状分析与总结 | 第15-16页 |
| 1.3 本文的研究内容和章节安排 | 第16-18页 |
| 第二章 柔性作业车间调度问题分析与建模 | 第18-33页 |
| 2.1 柔性作业车间调度问题的描述及其分类 | 第18-21页 |
| 2.1.1 柔性作业车间调度问题的描述 | 第18-19页 |
| 2.1.2 柔性作业车间调度问题的分类 | 第19-20页 |
| 2.1.3 柔性作业车间调度问题的特性 | 第20-21页 |
| 2.2 线缆生产车间调度问题分析 | 第21-24页 |
| 2.2.1 线缆产品简介 | 第21-23页 |
| 2.2.2 线缆作业车间调度特点 | 第23-24页 |
| 2.3 深度神经网络 | 第24-30页 |
| 2.3.1 深度神经网络背景 | 第24-25页 |
| 2.3.2 深度神经网络的功能和应用 | 第25-26页 |
| 2.3.3 LSTM神经网络 | 第26页 |
| 2.3.4 LSTM神经网络结构 | 第26-30页 |
| 2.4 多目标柔性作业车间调度问题建模 | 第30-32页 |
| 2.4.1 多目标柔性作业车间调度的模型构建 | 第30-31页 |
| 2.4.2 多目标柔性作业车间调度的目标 | 第31-32页 |
| 2.4.3 多目标柔性作业车间调度的模型约束条件 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 遗传算法求解工厂FJSP调度问题应用 | 第33-43页 |
| 3.1 遗传算法概述 | 第33页 |
| 3.2 工厂调度中的遗传算法流程 | 第33-34页 |
| 3.3 工厂调度中的遗传算法设计 | 第34-38页 |
| 3.3.1 编码和解码 | 第34-35页 |
| 3.3.2 初始化种群 | 第35-36页 |
| 3.3.3 适应度函数重要性 | 第36页 |
| 3.3.4 设计适应度函数 | 第36页 |
| 3.3.5 遗传操作的设计 | 第36-38页 |
| 3.3.6 遗传算法的参数选择和终止条件 | 第38页 |
| 3.4 车间调度遗传算法仿真结果 | 第38-42页 |
| 3.4.1 运行环境 | 第38-39页 |
| 3.4.2 实例仿真 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于LSTM深度神经网络的工厂生产数据预测 | 第43-56页 |
| 4.1 基于深度LSTM神经网络的生产调度数据预测模型 | 第43-44页 |
| 4.2 基于深度LSTM神经网络的生产调度数据预测模型构建 | 第44-48页 |
| 4.2.1 预测模型构建 | 第44-45页 |
| 4.2.2 数据来源及数据的预处理 | 第45-47页 |
| 4.2.3 损失函数选择及模型优化 | 第47-48页 |
| 4.3 基于深度LSTM神经网络的生产数据预测模型的参数调整和实现 | 第48-50页 |
| 4.4 LSTM神经网络模型预测效果比较分析 | 第50-54页 |
| 4.4.1 评价指标简介 | 第50-52页 |
| 4.4.2 预测结果分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于LSTM深度神经网络的遗传算法求解工厂调度问题 | 第56-71页 |
| 5.1 适应度函数 | 第56-57页 |
| 5.1.1 适应度函数简介 | 第56页 |
| 5.1.2 常见适应度函数形式及其定义 | 第56-57页 |
| 5.2 适应度函数的改进 | 第57-61页 |
| 5.2.1 适应度函数改进方法简述 | 第57-58页 |
| 5.2.2 深度神经网络寻找适应度函数的意义和优点 | 第58页 |
| 5.2.3 适应度函数的改进策略 | 第58-61页 |
| 5.3 LSTM-GA算法的设计 | 第61-63页 |
| 5.3.1 LSTM-GA的算法步骤 | 第61-62页 |
| 5.3.2 LSTM-GA的操作流程 | 第62-63页 |
| 5.4 LSTM-GA的仿真实验及结果分析 | 第63-70页 |
| 5.4.1 算法求解FJSP问题收敛速度结果及分析 | 第63-64页 |
| 5.4.2 算法求解FJSP问题最大适应度值结果及分析 | 第64-66页 |
| 5.4.3 算法求解FJSP问题求解结果及分析 | 第66-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 未来展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间取得的成果 | 第78页 |
