| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 混合流水车间调度问题的国内外研究现状 | 第10-11页 |
| 1.2.2 手术调度的国内外研究现状 | 第11-13页 |
| 1.2.3 基于混合流水车间调度问题的手术调度详述 | 第13-16页 |
| 1.2.4 研究现状分析 | 第16-17页 |
| 1.3 研究内容和论文结构 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 理论基础 | 第20-28页 |
| 2.1 突发事件伤员检伤分类和伤情识别管理 | 第20-21页 |
| 2.2 模糊理论及模型简介 | 第21-24页 |
| 2.2.1 模糊集与可信度理论 | 第21-24页 |
| 2.2.2 模糊机会约束规划模型 | 第24页 |
| 2.3 多目标优化问题简介 | 第24-25页 |
| 2.4 熵权-Topsis评价理论 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 求解手术调度模型的智能算法 | 第28-38页 |
| 3.1 萤火虫算法 | 第28-31页 |
| 3.1.1 萤火虫算法介绍 | 第28页 |
| 3.1.2 萤火虫算法设计 | 第28-30页 |
| 3.1.3 萤火虫算法的流程 | 第30-31页 |
| 3.2 混合智能算法 | 第31-35页 |
| 3.2.1 模糊模拟 | 第32页 |
| 3.2.2 神经元网络 | 第32-33页 |
| 3.2.3 粒子群算法 | 第33-35页 |
| 3.3 NSGA-II算法 | 第35-37页 |
| 3.3.1 NSGA-II算法介绍 | 第35-36页 |
| 3.3.2 NSGA-II算法设计 | 第36页 |
| 3.3.3 NSGA-II算法流程 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 改进的萤火虫算法求解确定条件下手术调度单目标模型 | 第38-48页 |
| 4.1 问题描述 | 第38-39页 |
| 4.2 模型的建立 | 第39-40页 |
| 4.3 改进萤火虫算法设计 | 第40-44页 |
| 4.4 案例分析 | 第44-47页 |
| 4.4.1 案例背景 | 第44-45页 |
| 4.4.2 案例求解与结果 | 第45-46页 |
| 4.4.3 算法比较分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 混合智能算法求解模糊不确定条件下手术调度单目标模型 | 第48-56页 |
| 5.1 问题描述 | 第48页 |
| 5.2 模型的建立 | 第48-49页 |
| 5.3 混合智能算法设计 | 第49-51页 |
| 5.4 案例分析 | 第51-55页 |
| 5.4.1 案例背景 | 第51-52页 |
| 5.4.2 案例求解与结果 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 NSGA-II算法求解确定条件下手术调度多目标模型及评价 | 第56-63页 |
| 6.1 问题描述 | 第56-57页 |
| 6.2 模型的建立 | 第57-58页 |
| 6.3 NSGA-II算法设计 | 第58-59页 |
| 6.4 案例分析 | 第59-61页 |
| 6.4.1 案例背景 | 第59-60页 |
| 6.4.2 案例求解与结果 | 第60-61页 |
| 6.5 方案评价 | 第61-62页 |
| 6.6 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 论文工作总结 | 第63-64页 |
| 7.2 研究前景与展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 硕士期间研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-82页 |
