用基于共生遗传算法的学习框架求解柔性作业调度问题
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-18页 |
| ·作业调度问题简介 | 第12页 |
| ·作业调度问题的描述 | 第12-13页 |
| ·作业调度问题的分类 | 第13-14页 |
| ·作业调度问题的特点 | 第14-15页 |
| ·含柔性的作业调度问题 | 第15页 |
| ·作业调度问题的优化 | 第15-17页 |
| ·调度优化方法 | 第15-16页 |
| ·调度类型 | 第16-17页 |
| ·论文的组织和所做的工作 | 第17-18页 |
| 第二章 遗传算法理论 | 第18-24页 |
| ·遗传算法的基本描述 | 第18页 |
| ·遗传算法的基本流程 | 第18-21页 |
| ·遗传算法的流程 | 第18-19页 |
| ·遗传算法的操作 | 第19-21页 |
| ·遗传算法的特点 | 第21页 |
| ·遗传算法的改进 | 第21-22页 |
| ·共生遗传算法 | 第22-23页 |
| ·自学习在解决车间调度中的重要性 | 第23-24页 |
| 第三章 发掘job-shop调度中的排序规则 | 第24-34页 |
| ·遗传算法的设计 | 第24-26页 |
| ·遗传算法设计 | 第24-26页 |
| ·收集数据 | 第26页 |
| ·提取知识规则 | 第26-32页 |
| ·属性导向归纳法 | 第26-27页 |
| ·数据的准备 | 第27-28页 |
| ·抽象位置 | 第28-30页 |
| ·规则集的获取 | 第30-32页 |
| ·其他用例的测试 | 第32-33页 |
| ·本章小节 | 第33-34页 |
| 第四章 使用一种学习框架求解柔性车间调度 | 第34-56页 |
| ·柔性车间调度问题定义 | 第34-35页 |
| ·学习框架 | 第35-36页 |
| ·演化算法模块 | 第36-45页 |
| ·染色体编码方式 | 第37-39页 |
| ·活动解码算法 | 第39-40页 |
| ·共生遗传算法 | 第40-42页 |
| ·选择操作 | 第42-43页 |
| ·交叉算子 | 第43-44页 |
| ·变异算子 | 第44-45页 |
| ·基于CDR的种群生成算法 | 第45-47页 |
| ·CDR_PopGen算法 | 第45-47页 |
| ·集成CDR_PopGen,GA模块和SL模块 | 第47页 |
| ·SL学习模块 | 第47-51页 |
| ·染色体空间 | 第48-49页 |
| ·操作空间 | 第49-50页 |
| ·操作空间对变异算子的影响 | 第50-51页 |
| ·实验仿真及分析 | 第51-55页 |
| ·本章小节 | 第55-56页 |
| 第五章 总结 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文和参加的工作 | 第62-63页 |
