| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·引言 | 第10页 |
| ·生产调度概述 | 第10-15页 |
| ·生产调度研究的历史与现状 | 第11页 |
| ·调度问题的特点和分类 | 第11-13页 |
| ·研究方法和发展方向 | 第13-15页 |
| ·多目标优化概述 | 第15-18页 |
| ·多目标研究的历史与现状 | 第15-16页 |
| ·典型的多目标算法 | 第16-18页 |
| ·全文内容安排 | 第18-19页 |
| 第2章 多目标优化方法 | 第19-28页 |
| ·引言 | 第19页 |
| ·多目标优化问题的一般描述 | 第19-22页 |
| ·数学模型 | 第19-21页 |
| ·解的概念 | 第21-22页 |
| ·多目标优化传统方法 | 第22-23页 |
| ·加权系数法 | 第22页 |
| ·约束法 | 第22-23页 |
| ·交互式法 | 第23页 |
| ·多目标进化算法 | 第23-27页 |
| ·适应度评价 | 第24-25页 |
| ·多样性保持 | 第25-26页 |
| ·收敛性分析 | 第26页 |
| ·约束处理 | 第26页 |
| ·性能评估 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于遗传算法的多目标优化方法 | 第28-44页 |
| ·引言 | 第28页 |
| ·遗传算法 | 第28-30页 |
| ·基本原理 | 第28-30页 |
| ·一般流程 | 第30页 |
| ·多目标遗传算法 | 第30-34页 |
| ·适应度共享策略 | 第31-33页 |
| ·子代选择 | 第33页 |
| ·遗传操作 | 第33-34页 |
| ·算法流程 | 第34-35页 |
| ·多目标flow shop调度问题 | 第35-37页 |
| ·数学模型 | 第36页 |
| ·编码方式 | 第36-37页 |
| ·多目标遗传算法求解flow shop调度问题 | 第37页 |
| ·仿真实验 | 第37-43页 |
| ·连续函数问题 | 第37-40页 |
| ·flow shop调度问题 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于改进免疫克隆算法的多目标flow shop调度问题 | 第44-70页 |
| ·引言 | 第44页 |
| ·免疫克隆算法 | 第44-47页 |
| ·人工免疫系统的发展历程 | 第44页 |
| ·免疫算法 | 第44-46页 |
| ·克隆选择算法 | 第46-47页 |
| ·多目标flow shop调度问题 | 第47-49页 |
| ·数学模型和编码方式 | 第48-49页 |
| ·NEH启发式邻域搜索 | 第49页 |
| ·基于改进免疫克隆算法的多目标flow shop调度方法 | 第49-56页 |
| ·非劣解分层 | 第49-51页 |
| ·拥挤距离计算 | 第51-52页 |
| ·改进的免疫克隆操作 | 第52-54页 |
| ·算法流程 | 第54-56页 |
| ·仿真实验 | 第56-68页 |
| ·比较指标 | 第58页 |
| ·参数设置仿真 | 第58-59页 |
| ·CAR算例仿真 | 第59-63页 |
| ·REC算例仿真 | 第63-68页 |
| ·本章小结 | 第68-70页 |
| 第5章 工作总结与展望 | 第70-72页 |
| ·工作总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士期间发表的学术论文 | 第78页 |