| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10页 |
| ·JOB-SHOP 调度问题概述 | 第10-13页 |
| ·Job-Shop 调度问题的描述 | 第10-11页 |
| ·Job-Shop 调度问题的数学模型 | 第11-12页 |
| ·Job-Shop 调度问题的析取图模型 | 第12-13页 |
| ·车间作业调度问题的研究方法 | 第13-15页 |
| ·车间作业调度问题存在的问题及发展趋势 | 第15-17页 |
| ·车间作业调度问题存在的问题 | 第15-16页 |
| ·车间作业调度问题的发展趋势 | 第16-17页 |
| ·论文结构及主要内容安排 | 第17-18页 |
| 第2章 基础理论 | 第18-32页 |
| ·蚁群算法 | 第18-24页 |
| ·蚁群算法基本思想 | 第18-20页 |
| ·基本蚁群算法 | 第20-23页 |
| ·蚁群算法总结 | 第23-24页 |
| ·遗传算法 | 第24-31页 |
| ·遗传算法基本思想 | 第24-25页 |
| ·标准遗传算法 | 第25-30页 |
| ·遗传算法总结 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 求解JOB-SHOP 调度问题的邻域搜索蚁群算法 | 第32-43页 |
| ·基于蚁群算法的JOB-SHOP 调度问题 | 第32-35页 |
| ·解构造过程 | 第32-34页 |
| ·信息素更新 | 第34-35页 |
| ·改进蚁群算法 | 第35-38页 |
| ·基本蚁群算法缺点 | 第35页 |
| ·算法改进策略 | 第35-37页 |
| ·改进算法流程 | 第37-38页 |
| ·面向JOB-SHOP 调度问题的邻域搜索蚁群算法 | 第38-41页 |
| ·模拟实验及结果分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 求解JOB-SHOP 调度问题自适应遗传蚁群算法 | 第43-61页 |
| ·自适应遗传蚁群混合算法 | 第43-47页 |
| ·算法的背景 | 第43-44页 |
| ·算法融合的基本思想 | 第44-45页 |
| ·自适应遗传算法策略 | 第45-46页 |
| ·混合算法动态临界点的确定 | 第46-47页 |
| ·面向JOB-SHOP 调度问题的AGA-ACA | 第47-56页 |
| ·自适应遗传算法规则 | 第47-51页 |
| ·蚁群算法规则 | 第51-52页 |
| ·衔接策略 | 第52-53页 |
| ·Job-Shop 调度算法流程 | 第53-55页 |
| ·算法复杂性分析 | 第55-56页 |
| ·模拟实验及结果分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
