| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 本文研究内容 | 第7-8页 |
| 1.3 论文研究方案 | 第8-9页 |
| 1.3.1 研究方法 | 第8页 |
| 1.3.2 技术路线 | 第8-9页 |
| 1.3.3 文章结构 | 第9页 |
| 1.4 Plant Simulation简介 | 第9-11页 |
| 第二章 文献综述 | 第11-22页 |
| 2.1 传统单线作业调度 | 第12-15页 |
| 2.1.1 以Makespan为目标的求解算法 | 第13页 |
| 2.1.2 以Total Flowtime为目标的求解算法 | 第13页 |
| 2.1.3 以最小化Tardiness为目标的求解算法 | 第13-14页 |
| 2.1.4 Palmer算法 | 第14-15页 |
| 2.2 基于遗传算法的混合流水线调度 | 第15-20页 |
| 2.2.1 HFSP的分类和推广 | 第15-16页 |
| 2.2.2 HFSP的算法研究 | 第16-19页 |
| 2.2.3 HFSP的应用研究 | 第19-20页 |
| 2.3 基于局部信息的自主选择作业调度 | 第20-21页 |
| 2.3.1 基于局部信息素更新的蚁群算法 | 第20-21页 |
| 2.3.2 基于队列长度估计（QLE）的自主作业调度 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 传统单线调度 | 第22-27页 |
| 3.1 PFSP问题的描述与假设 | 第22-23页 |
| 3.1.1 问题的描述 | 第22-23页 |
| 3.1.2 PFSP问题的假设 | 第23页 |
| 3.2 Palmer启发式算法 | 第23-26页 |
| 3.2.1 PFSP调度模型的建立。 | 第23-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于GA的混合流水线作业调度 | 第27-36页 |
| 4.1 问题的描述与模型建立 | 第27-28页 |
| 4.2 遗传算法 | 第28-30页 |
| 4.2.1 遗传算法的生物学背景 | 第29页 |
| 4.2.2 遗传算法的基本思想及特点 | 第29-30页 |
| 4.3 Plant Simulation遗传算法优化模块 | 第30-32页 |
| 4.4 HFSP的问题建模 | 第32-35页 |
| 4.5 结果分析 | 第35-36页 |
| 第五章 基于局部信息的自主作业调度 | 第36-41页 |
| 5.1 问题的描述与模型建立 | 第36页 |
| 5.2 建模与仿真 | 第36-40页 |
| 5.3 本章小结 | 第40-41页 |
| 第六章 总结和展望 | 第41-43页 |
| 6.1 本文的主要结论 | 第41页 |
| 6.2 创新点 | 第41页 |
| 6.3 研究展望 | 第41-43页 |
| 参考文献 | 第43-48页 |
| 附录A 仿真程序代码 | 第48-55页 |
| 个人简历 | 第55-56页 |
| 致谢 | 第56页 |
