致谢 | 第4-5页 |
摘要 | 第5-6页 |
Abstract | 第6-7页 |
缩写和符号清单 | 第11-17页 |
1 绪论 | 第17-23页 |
1.1 课题背景 | 第17-18页 |
1.2 研究目的和意义 | 第18-20页 |
1.3 研究方法、关键内容与论文结构 | 第20-23页 |
2 文献综述 | 第23-41页 |
2.1 装配生产线物流系统的建模研究 | 第23-26页 |
2.1.1 装配生产线物流系统建模的研究现状 | 第23-24页 |
2.1.2 面向对象的建模方法 | 第24-26页 |
2.2 启发式优化算法的研究 | 第26-32页 |
2.2.1 模拟退火算法 | 第26-28页 |
2.2.2 禁忌搜索法 | 第28页 |
2.2.3 神经网络算法和蚁群算法 | 第28-29页 |
2.2.4 求解汽车装配线平衡问题启发式算法文献汇总与分析 | 第29-32页 |
2.3 汽车装配生产线平衡问题研究要素与文献总结 | 第32-35页 |
2.4 汽车装配生产线平衡问题研究领域存在的问题与挑战 | 第35-37页 |
2.5 遗传算法在分析装配平衡领域的应用与文献分析 | 第37-41页 |
3 汽车装配生产线平衡问题的数学建模 | 第41-59页 |
3.1 研究目标 | 第41页 |
3.2 汽车装配生产线物流描述和与装配生产线平衡问题描述 | 第41-55页 |
3.2.1 汽车厂生产流程描述 | 第41-44页 |
3.2.2 混流装配生产线平衡问题基本数学模型 | 第44-46页 |
3.2.3 混流装配生产线相关概念术语定义 | 第46-48页 |
3.2.4 混流装配生产线平衡问题的约束条件研究 | 第48-52页 |
3.2.5 装配产品选项配置问题 | 第52-55页 |
3.3 汽车装配线平衡问题综合约束条件数学模型 | 第55-58页 |
3.4 本章小结 | 第58-59页 |
4 求解汽车装配线平衡问题的遗传算法研究 | 第59-79页 |
4.1 遗传算法在汽车装配生产线平衡问题应用描述 | 第59-60页 |
4.2 传统遗传算法存在的问题与改进算法的结构流程框架 | 第60-73页 |
4.3 改进的算法算子及其参数选择与收敛相关性分析 | 第73-78页 |
4.3.1 算法参数取值范围与整体收敛性研究 | 第73-75页 |
4.3.2 改进的自适应算法算子策略 | 第75-78页 |
4.4 本章小结 | 第78-79页 |
5 改进遗传算法收敛性分析与性能测试评价 | 第79-92页 |
5.1 改进遗传算法收敛性分析 | 第79-82页 |
5.2 算法性能测试评价 | 第82-90页 |
5.2.1 基于Schaffer F6函数的算法测试 | 第82-85页 |
5.2.2 基于De-Jong函数F2的算法测试 | 第85-89页 |
5.2.3 装配平衡问题分析领域标准算例测试 | 第89-90页 |
5.3 本章小结 | 第90-92页 |
6 改进遗传算法的工程案例应用研究 | 第92-127页 |
6.1 案例背景简介 | 第92-94页 |
6.2 案例问题分析 | 第94-108页 |
6.2.1 案例问题基本信息描述 | 第94-106页 |
6.2.2 案例分析的数学模型与算法预处理 | 第106-107页 |
6.2.3 遗传算法的初始化定义 | 第107-108页 |
6.3 案例的算法应用与分析 | 第108-117页 |
6.3.1 单一类型产品装配的平衡分析 | 第108-110页 |
6.3.2 混合投放(混流)产品装配的平衡分析 | 第110-117页 |
6.4 改进遗传算法横向对比分析 | 第117-123页 |
6.4.1 改进遗传算法的计算效能分析 | 第118-121页 |
6.4.2 改进遗传算法的计算结果评价 | 第121-123页 |
6.5 算法参数对于收敛性影响分析 | 第123-126页 |
6.6 本章小结 | 第126-127页 |
7 论文结论和未来工作展望 | 第127-131页 |
7.1 论文的结论 | 第127-128页 |
7.2 研究的主要创新点 | 第128-129页 |
7.3 研究未来展望 | 第129-131页 |
附录一 | 第131-133页 |
附录二 | 第133-136页 |
附录三 | 第136-140页 |
参考文献 | 第140-147页 |
作者简历及在学研究成果 | 第147-151页 |
学位论文数据集 | 第151页 |