| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 集成优化策略研究现状 | 第11-12页 |
| 1.2.2 集成优化算法研究现状 | 第12-16页 |
| 1.3 主要研究内容及结构框架 | 第16-19页 |
| 1.3.1 研究思路 | 第16页 |
| 1.3.2 主要研究内容 | 第16-17页 |
| 1.3.3 结构框架 | 第17-19页 |
| 2 工艺规划与车间调度集成总体框架 | 第19-27页 |
| 2.1 工艺规划与车间调度集成数学模型 | 第19-21页 |
| 2.2 工艺规划与车间调度集成优化算法 | 第21-24页 |
| 2.3 工艺规划与车间调度集成优化策略 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于人工蜂群算法的柔性工艺规划方法研究 | 第27-39页 |
| 3.1 柔性工艺规划数学模型 | 第27-28页 |
| 3.2 人工蜂群算法求解柔性工艺规划问题 | 第28-36页 |
| 3.2.1 柔性工艺规划的编码和解码 | 第28-30页 |
| 3.2.2 工艺种群初始化 | 第30-31页 |
| 3.2.3 局部搜索变异操作策略 | 第31-32页 |
| 3.2.4 全局搜索交叉操作策略 | 第32-34页 |
| 3.2.5 适应度函数 | 第34页 |
| 3.2.6 人工蜂群算法求解柔性工艺规划总流程 | 第34-36页 |
| 3.3 应用算例 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于人工蜂群算法的单目标柔性工艺与调度集成优化 | 第39-51页 |
| 4.1 单目标柔性工艺与调度集成优化框架 | 第39-42页 |
| 4.1.1 单目标柔性工艺与调度集成数学模型 | 第39-40页 |
| 4.1.2 单目标柔性工艺与调度集成优化流程 | 第40-42页 |
| 4.2 人工蜂群算法求解单目标柔性工艺与调度集成问题 | 第42-44页 |
| 4.2.1 车间调度的编码、解码和种群初始化 | 第42-43页 |
| 4.2.2 局部搜索变异操作策略 | 第43页 |
| 4.2.3 全局搜索交叉操作策略 | 第43-44页 |
| 4.2.4 适应度函数 | 第44页 |
| 4.3 应用算例 | 第44-50页 |
| 4.3.1 集成必要性验证 | 第44-48页 |
| 4.3.2 算法有效性验证 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于人工蜂群算法的多目标柔性工艺与调度集成优化 | 第51-61页 |
| 5.1 多目标优化方法研究概况 | 第51-53页 |
| 5.2 多目标柔性工艺与调度集成优化框架 | 第53-54页 |
| 5.2.1 多目标柔性工艺与调度集成数学模型 | 第53页 |
| 5.2.2 多目标柔性工艺与调度集成优化流程 | 第53-54页 |
| 5.3 人工蜂群算法求解多目标工艺与调度集成问题 | 第54-58页 |
| 5.3.1 基于Pareto方法的多目标人工蜂群算法 | 第55-56页 |
| 5.3.2 多目标人工蜂群算法优化调度系统总流程 | 第56-58页 |
| 5.4 应用算例 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61页 |
| 6.2 创新之处 | 第61-62页 |
| 6.3 工作展望 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 附录 | 第71-77页 |
| 作者攻读学位期间发表论文清单 | 第77-78页 |
| 致谢 | 第78页 |
