| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究的背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 柔性作业车间调度问题研究现状 | 第17-18页 |
| 1.2.2 分布式车间调度问题研究现状 | 第18页 |
| 1.2.3 分布式柔性作业车间调度问题研究现状 | 第18-19页 |
| 1.2.4 蚁群算法研究现状 | 第19-20页 |
| 1.3 本文研究内容 | 第20-21页 |
| 1.4 组织结构 | 第21-22页 |
| 第二章 蚁群算法原理及分析 | 第22-27页 |
| 2.1 蚁群算法原理 | 第22-24页 |
| 2.2 蚁群算法模型 | 第24-25页 |
| 2.3 蚁群算法参数分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于混合蛙跳与K-means结合聚类的改进蚁群算法 | 第27-47页 |
| 3.1 混合蛙跳算法 | 第27-33页 |
| 3.1.1 混合蛙跳算法原理 | 第27-28页 |
| 3.1.2 SFLA模型 | 第28-29页 |
| 3.1.3 SFLA算法步骤 | 第29-33页 |
| 3.2 K-means算法 | 第33-36页 |
| 3.2.1 K-means算法思想 | 第33-34页 |
| 3.2.2 K-means算法流程 | 第34-35页 |
| 3.2.3 K-means缺点分析 | 第35-36页 |
| 3.3 SFLA与K-means算法相结合的聚类 | 第36-39页 |
| 3.3.1 SFLA与K-means相结合主要思想 | 第36-38页 |
| 3.3.2 聚类准确性实验 | 第38-39页 |
| 3.4 两阶段参数控制蚁群算法 | 第39-42页 |
| 3.4.1 聚类技术对参数的调整 | 第40-41页 |
| 3.4.2 混沌理论对参数的调整 | 第41-42页 |
| 3.5 改进蚁群算法在TSP问题的应用 | 第42-46页 |
| 3.5.1 轮盘赌选择 | 第43页 |
| 3.5.2 仿真实验 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 改进蚁群算法在分布式柔性作业车间调度中的应用 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 分布式柔性作业车间调度问题 | 第47-52页 |
| 4.2.1 DFJS问题描述 | 第47-48页 |
| 4.2.2 DFJS问题的特征 | 第48-49页 |
| 4.2.3 DFJS问题的难点 | 第49页 |
| 4.2.4 DFJS问题模型 | 第49-52页 |
| 4.3 求解DFJS问题的改进蚁群算法 | 第52-56页 |
| 4.3.1 初始解的产生 | 第52-54页 |
| 4.3.2 蚁群状态的判断 | 第54页 |
| 4.3.3 参数的调整 | 第54页 |
| 4.3.4 信息素的更新 | 第54-55页 |
| 4.3.5 算法实现步骤 | 第55-56页 |
| 4.4 仿真实验 | 第56-60页 |
| 4.4.1 参数调整幅度与取值范围 | 第56-57页 |
| 4.4.2 与其他算法的比较 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文主要工作 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
