| 引言 | 第1-15页 |
| 第一章 订单型服装加工企业流水线与准时生产方式 | 第15-19页 |
| 第一节 流水线的特征及分类 | 第15-17页 |
| 1 流水线的特征 | 第15-16页 |
| 2 流水线的分类 | 第16-17页 |
| 第二节 订单型服装厂流水线及其组织特点 | 第17-19页 |
| 第二章 人工神经网络与遗传算法原理及算法 | 第19-32页 |
| 第一节 人工神经网络 | 第19-27页 |
| 1 人工神经网络的基础 | 第19-21页 |
| ·人工神经网络的产生与发展 | 第19页 |
| ·神经网络的基本概念 | 第19-20页 |
| ·人工神经网络的应用 | 第20-21页 |
| 2 BP神经网络算法描述 | 第21-26页 |
| ·基本理论 | 第21-25页 |
| ·BP网络的学习算法 | 第25-26页 |
| 3 BP神经网络的限制和不足 | 第26-27页 |
| 第二节 遗传算法基础 | 第27-32页 |
| 1 遗传算法的发展与现状 | 第27-28页 |
| 2 遗传算法的特点 | 第28页 |
| 3 遗传算法的运行步骤 | 第28-29页 |
| 4 遗传算法存在的问题 | 第29-32页 |
| 第三章 基于BP神经网络和遗传算法的群组寻优算法研究 | 第32-48页 |
| 第一节 BP神经网络和遗传算法结合算法的研究现状 | 第32-34页 |
| 1 遗传算法在BP神经网络中的应用 | 第32-33页 |
| 2 BP神经网络在遗传算法中的应用 | 第33页 |
| 3 BP神经网络和遗传算法的结合方式 | 第33-34页 |
| 第二节 基于BP神经网络和遗传算法的BP-GA算法研究 | 第34-48页 |
| 1 BP-GA算法的提出 | 第34-35页 |
| 2 BP-GA算法的方法与步骤 | 第35-45页 |
| ·BP-GA算法中GA算法 | 第35-42页 |
| ·BP-GA算法中BP算法 | 第42-45页 |
| 3 BP-GA算法的步骤 | 第45-46页 |
| 4 计算机仿真 | 第46-48页 |
| 第四章 基于BP-GA算法的流水线设备配置的预测及实现 | 第48-64页 |
| 第一节 研究意义与研究目的 | 第48页 |
| 第二节 流水线设备配置有关因素的分析 | 第48-57页 |
| 1 针织服装加工的基本设备 | 第49-51页 |
| 2 影响缝纫设备配置变化主要因素的分析 | 第51-57页 |
| 第三节 基于BP-GA算法缝制设备配置预测的模型 | 第57-59页 |
| 1 输入函数的确定 | 第57-58页 |
| 2 输出函数的确定 | 第58页 |
| 3 隐含层结点数的确定 | 第58-59页 |
| 第四节 训练 | 第59-60页 |
| 第五节 网络训练的正确性分析 | 第60-64页 |
| 第五章 基于遗传算法订单型服装企业生产计划的优化 | 第64-78页 |
| 第一节 生产车间调度 | 第64-66页 |
| 1 生产车间调度基本概念及求解方法介绍 | 第64-65页 |
| 2 生产车间调度问题的分类与特点 | 第65页 |
| 3 算法求解 | 第65-66页 |
| 第二节 订单型服装企业生产计划的优化 | 第66-78页 |
| 1 问题的提出 | 第66页 |
| 2 问题的描述 | 第66-67页 |
| 3 用遗传算法解决提前／拖期问题 | 第67-74页 |
| ·编码 | 第68-69页 |
| ·群体设定 | 第69页 |
| ·适应度函数 | 第69-71页 |
| ·约束条件处理 | 第71页 |
| ·适应度排序和遗传选择 | 第71-72页 |
| ·遗传交叉 | 第72-73页 |
| ·遗传变异 | 第73-74页 |
| ·停止准则 | 第74页 |
| 4 仿真实例分析 | 第74-76页 |
| 5 结论 | 第76-78页 |
| 第六章 结论 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 附录一 | 第82-83页 |
| 附录二 | 第83-85页 |
| 附录三 | 第85-92页 |
| 附录四 | 第92-98页 |
| 附录五 | 第98-103页 |
| 发表论文情况 | 第103-104页 |
| 致谢 | 第104页 |
