摘要 | 第5-6页 |
abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题来源 | 第11-12页 |
1.2 课题研究背景及意义 | 第12-13页 |
1.3 国内外研究现状 | 第13-17页 |
1.3.1 车间动态调度方式研究现状 | 第13-15页 |
1.3.2 柔性车间重调度研究现状 | 第15-16页 |
1.3.3 柔性车间批量调度研究现状 | 第16页 |
1.3.4 问题分析及总结 | 第16-17页 |
1.4 论文研究内容及结构 | 第17-19页 |
第2章 柔性作业车间批量重调度问题 | 第19-27页 |
2.1 作业车间批量动态调度问题描述 | 第19页 |
2.2 作业车间批量重调度问题的数学建模 | 第19-21页 |
2.2.1 模型假设 | 第19-20页 |
2.2.2 变量定义 | 第20页 |
2.2.3 数学模型 | 第20-21页 |
2.3 基于延迟惩罚容忍度的重调度策略 | 第21-23页 |
2.3.1 柔性作业车间中的扰动类型 | 第22页 |
2.3.2 延迟惩罚容忍度 | 第22页 |
2.3.3 重调度策略 | 第22-23页 |
2.4 求解方法 | 第23-25页 |
2.4.1 传统求解方法 | 第23-24页 |
2.4.2 智能的调度方法 | 第24-25页 |
2.4.3 本文的求解方法 | 第25页 |
2.5 本章小结 | 第25-27页 |
第3章 插单批量重调度算法研究及应用 | 第27-43页 |
3.1 插单批量重调度概述 | 第27页 |
3.2 遗传算法及群体智能算法 | 第27-31页 |
3.2.1 遗传算法原理及流程 | 第27-29页 |
3.2.2 群体智能算法概述 | 第29页 |
3.2.3 粒子群算法原理及流程 | 第29-31页 |
3.3 基于群体智能搜索遗传算法的插单调度分批算法 | 第31-36页 |
3.3.1 分批选择 | 第32-33页 |
3.3.2 批量选择 | 第33页 |
3.3.3 调度分批算法 | 第33-34页 |
3.3.4 分批算法流程 | 第34-36页 |
3.4 分批算法在插单调度实例中的验证和应用 | 第36-42页 |
3.4.1 分批算法效率与优化性能验证 | 第36-38页 |
3.4.2 某零配件车间分批插单实例求解的多种算法对比验证 | 第38页 |
3.4.3 某航空结构件厂实际生产实例的分批调度应用 | 第38-42页 |
3.5 本章小结 | 第42-43页 |
第4章 机床故障批量重调度算法研究 | 第43-57页 |
4.1 机床故障批量重调度概述 | 第43页 |
4.2 强化学习算法 | 第43-47页 |
4.2.1 强化学习原理及结构 | 第43-45页 |
4.2.2 强化学习中的几个关键概念 | 第45-46页 |
4.2.3 Q-learning | 第46-47页 |
4.3 基于Q-learning的机床故障调度 | 第47-49页 |
4.3.1 机床故障问题调度问题模型 | 第47-48页 |
4.3.2 动作集定义 | 第48页 |
4.3.3 状态变量确定和状态划分 | 第48-49页 |
4.3.4 回报函数的建立 | 第49页 |
4.4 模型实现及验证 | 第49-56页 |
4.4.1 单工序单Agent模型 | 第50-52页 |
4.4.2 多工序多Agent模型 | 第52-54页 |
4.4.3 模型验证 | 第54-56页 |
4.5 本章小结 | 第56-57页 |
第5章 智能调度系统开发与应用 | 第57-70页 |
5.1 引言 | 第57页 |
5.2 系统概述 | 第57-60页 |
5.2.1 系统的主要功能模块及工作流 | 第57-58页 |
5.2.2 系统结构 | 第58-59页 |
5.2.3 系统数据库设计 | 第59-60页 |
5.3 系统实现技术 | 第60-62页 |
5.3.1 C | 第60-61页 |
5.3.2 C | 第61页 |
5.3.3 C | 第61-62页 |
5.4 系统界面功能设计及调度模块实现 | 第62-65页 |
5.4.1 界面设计 | 第62-63页 |
5.4.2 资源管理模块 | 第63页 |
5.4.3 任务排程调度模块 | 第63-65页 |
5.5 实例验证 | 第65-68页 |
5.6 本章小结 | 第68-70页 |
总结与展望 | 第70-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-80页 |
攻读硕士学位期间发表的论文及科研成果 | 第80页 |