| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11-12页 |
| ·传统的调度技术与模型存在的问题 | 第11-12页 |
| ·现代网络技术和分布式人工智能的发展 | 第12页 |
| ·生产调度问题的研究现状 | 第12-17页 |
| ·生产调度问题 | 第12-14页 |
| ·生产计划与调度问题的研究现状 | 第14-16页 |
| ·生产调度问题的研究趋势 | 第16-17页 |
| ·研究目标、内容和章节安排 | 第17-19页 |
| ·研究目标 | 第17页 |
| ·研究内容 | 第17-18页 |
| ·章节安排 | 第18-19页 |
| 第二章 Agent与多Agent系统 | 第19-29页 |
| ·引言 | 第19页 |
| ·Agent理论 | 第19-22页 |
| ·Agent的概念 | 第19-20页 |
| ·Agent的特征 | 第20-21页 |
| ·Agent的结构 | 第21-22页 |
| ·多Agent系统 | 第22-27页 |
| ·多Agent系统的发展 | 第22-23页 |
| ·MAS与DPS比较 | 第23页 |
| ·多Agent的体系结构 | 第23-27页 |
| ·多Agent技术在生产调度中的应用研究现状 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于多Agent的分布式车间计划模型 | 第29-39页 |
| ·引言 | 第29-30页 |
| ·改进合同网模型的建立及在计划分配中的实现 | 第30-36页 |
| ·基于合同网的多Agent协商模型及其不足 | 第30-31页 |
| ·改进合同网模型的建立 | 第31-32页 |
| ·投标值的计算规则 | 第32-33页 |
| ·改进模型对生产环境的适应能力分析 | 第33-34页 |
| ·模型的具体实现 | 第34-36页 |
| ·示例仿真 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于自适应蚁群算法的Job-shop调度方法研究 | 第39-47页 |
| ·引言 | 第39页 |
| ·蚁群算法基本原理 | 第39-40页 |
| ·Job-shop调度问题的描述 | 第40-41页 |
| ·用于Job-shop调度的自适应蚁群算法 | 第41-45页 |
| ·Job-shop调度问题中蚂蚁的遍历方法 | 第41-42页 |
| ·状态转移规则 | 第42-43页 |
| ·轨迹强度的更新规则 | 第43页 |
| ·确定挥发系数 | 第43-44页 |
| ·基于自适应蚁群算法的Job-shop调度方法 | 第44-45页 |
| ·示例仿真 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于自适应Agent的车间实时调度方法研究 | 第47-58页 |
| ·引言 | 第47页 |
| ·强化学习概述 | 第47-49页 |
| ·强化学习定义 | 第47-48页 |
| ·强化学习模型 | 第48页 |
| ·常见强化学习算法及其不足 | 第48-49页 |
| ·蚁群算法与强化学习相结合的自适应Agent实现方法 | 第49-53页 |
| ·自适应Agent模型的建立 | 第49-50页 |
| ·奖励制度的制定 | 第50-51页 |
| ·状态转移规则 | 第51页 |
| ·奖罚系数更新 | 第51页 |
| ·探索和守成的折中 | 第51-52页 |
| ·自适应Agent模型的具体实现 | 第52-53页 |
| ·示例仿真 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 基于多Agent的生产计划与调度系统的工程应用 | 第58-67页 |
| ·引言 | 第58页 |
| ·系统总体设计 | 第58-60页 |
| ·信息管理模块 | 第60-64页 |
| ·工艺管理 | 第60-61页 |
| ·资源管理 | 第61-62页 |
| ·生产计划 | 第62-64页 |
| ·Agent交互模块 | 第64页 |
| ·车间调度模块 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 作者读研期间参与的科研项目与发表的论文 | 第75页 |
