基于学习机制的遗传算法在车间调度知识库中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 绪论 | 第10-12页 |
| 一、课题研究学术背景及意义 | 第10-11页 |
| 二、本文的意义及主要工作 | 第11-12页 |
| 第一章 遗传算法的研究 | 第12-20页 |
| ·遗传算法的发展及研究现状 | 第12-13页 |
| ·遗传算法 | 第13-17页 |
| ·遗传算法的基本概念 | 第13-15页 |
| ·遗传算法的基本操作及流程 | 第15-16页 |
| ·遗传算法的收敛性 | 第16-17页 |
| ·遗传算法在车间调度中的应用 | 第17-19页 |
| ·表达方法 | 第17-18页 |
| ·混合式遗传搜索 | 第18-19页 |
| 本章小结 | 第19-20页 |
| 第二章 知识库系统与车间调度问题研究 | 第20-33页 |
| ·知识库理论的研究与发展 | 第20-24页 |
| ·知识库问题的描述 | 第20页 |
| ·知识库问题的分类 | 第20-21页 |
| ·知识库系统的概念 | 第21页 |
| ·知识库系统的结构和功能 | 第21-23页 |
| ·知识库系统的实现与维护 | 第23-24页 |
| ·车间调度理论的研究与发展 | 第24-32页 |
| ·作业车间调度问题的描述 | 第25页 |
| ·求解调度问题的基本方法 | 第25-26页 |
| ·调度问题的分类 | 第26-27页 |
| ·调度问题的目标 | 第27-28页 |
| ·车间调度问题的研究现状 | 第28-32页 |
| ·精确算法 | 第28-29页 |
| ·启发式算法 | 第29-30页 |
| ·智能搜索算法 | 第30-32页 |
| 本章小结 | 第32-33页 |
| 第三章 机器学习机制 | 第33-37页 |
| ·引言 | 第33-34页 |
| ·机器学习的分类 | 第34-35页 |
| ·机器学习原理在遗传算法中的应用 | 第35-36页 |
| 本章小结 | 第36-37页 |
| 第四章 基于压缩关键路径的改进遗传算法 | 第37-49页 |
| ·引言 | 第37页 |
| ·改进算法的关键思想与技术 | 第37-39页 |
| ·设计改进算法的主要原因 | 第37-39页 |
| ·改进算法的理论基础 | 第39页 |
| ·改进算法的流程 | 第39-44页 |
| ·编码 | 第40-41页 |
| ·适应度计算 | 第41-42页 |
| ·初始种群的建立 | 第42页 |
| ·算法相关参数 | 第42页 |
| ·改进的交叉策略 | 第42-43页 |
| ·选择操作 | 第43-44页 |
| ·改进的选择策略 | 第44页 |
| ·变异操作 | 第44页 |
| ·改进算法性能验证 | 第44-48页 |
| ·MT10 标准问题 | 第45-47页 |
| ·实际生产问题 | 第47-48页 |
| 本章小结 | 第48-49页 |
| 第五章 车间调度知识库系统的设计与应用 | 第49-66页 |
| ·引言 | 第49-50页 |
| ·系统总体设计思想 | 第50-52页 |
| ·实现知识库系统的相关技术 | 第50-51页 |
| ·知识库系统初步设计 | 第51-52页 |
| ·知识库系统的详细设计 | 第52页 |
| ·编程实现 | 第52页 |
| ·系统功能模块设计 | 第52-55页 |
| ·基础信息管理模块 | 第53-54页 |
| ·专家知识管理模块 | 第54页 |
| ·推理机管理模块 | 第54页 |
| ·车间作业计划管理模块 | 第54-55页 |
| ·系统平台实例运行 | 第55-61页 |
| ·系统启动界面 | 第55-56页 |
| ·推理机管理 | 第56-58页 |
| ·专家知识管理 | 第58-59页 |
| ·BOM 管理 | 第59页 |
| ·车间作业计划管理 | 第59-61页 |
| ·数据库表清单 | 第61-65页 |
| 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |
