| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-21页 |
| 1.1 选题的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 车间调度问题的分类 | 第10-11页 |
| 1.2.2 车间调度问题的特点 | 第11-12页 |
| 1.2.3 车间调度问题的求解方法 | 第12-14页 |
| 1.2.4 重调度问题的研究现状 | 第14-17页 |
| 1.2.5 重调度问题研究现状评述 | 第17-18页 |
| 1.3 本文的研究内容及结构体系 | 第18-21页 |
| 1.3.1 本文的主要研究内容 | 第18页 |
| 1.3.2 本文的结构体系 | 第18-21页 |
| 2 制造车间扰动因素的分类及其扰动程度评估 | 第21-35页 |
| 2.1 制造车间扰动因素的描述与分类 | 第21-26页 |
| 2.1.1 制造车间扰动因素的来源分析 | 第21-22页 |
| 2.1.2 制造车间扰动因素的描述 | 第22-23页 |
| 2.1.3 制造车间扰动因素的分类 | 第23-26页 |
| 2.2 基于模糊神经网络的扰动程度判定 | 第26-32页 |
| 2.2.1 模糊神经网络的概述 | 第26页 |
| 2.2.2 参数模糊化 | 第26-28页 |
| 2.2.3 概率神经网络 | 第28-30页 |
| 2.2.4 算例分析与仿真 | 第30-32页 |
| 2.3 本章小结 | 第32-35页 |
| 3 基于模糊神经网络的混合型重调度策略 | 第35-43页 |
| 3.1 重调度策略概述 | 第35-36页 |
| 3.1.1 周期性重调度策略 | 第35-36页 |
| 3.1.2 事件驱动型重调度策略 | 第36页 |
| 3.1.3 混合型重调度策略 | 第36页 |
| 3.2 改进的混合型重调度策略 | 第36-40页 |
| 3.2.1 现有重调度策略的不足 | 第36-38页 |
| 3.2.2 基于模糊神经网络的混合型重调度策略 | 第38-40页 |
| 3.3 重调度方法 | 第40页 |
| 3.4 本章小结 | 第40-43页 |
| 4 基于双层编码遗传算法的生成式重调度方法 | 第43-53页 |
| 4.1 柔性作业车间生成式重调度问题描述 | 第43-45页 |
| 4.1.1 柔性作业车间重调度问题的数学描述 | 第43-44页 |
| 4.1.2 柔性作业车间重调度问题的数学模型 | 第44-45页 |
| 4.1.3 柔性作业车间调度问题的求解方法 | 第45页 |
| 4.2 基于双层编码遗传算法求解柔性作业车间重调度问题 | 第45-50页 |
| 4.2.1 遗传算法的概述 | 第45-46页 |
| 4.2.2 柔性作业车间调度问题的编码与解码 | 第46-48页 |
| 4.2.3 交叉操作 | 第48-49页 |
| 4.2.4 变异操作 | 第49页 |
| 4.2.5 选择操作 | 第49-50页 |
| 4.3 算例仿真与分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 制造企业自适应重调度流程的仿真验证 | 第53-63页 |
| 5.1 制造企业自适应重调度流程 | 第53-54页 |
| 5.2 自适应重调度流程的应用 | 第54-60页 |
| 5.3 应用实例分析 | 第60-61页 |
| 5.4 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 图表清单 | 第71-73页 |
| 附录 | 第73-75页 |
| A. 攻读硕士学位期间参加的主要科研项目 | 第73页 |
| B. 攻读硕士学位期间获奖情况 | 第73-75页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第75页 |