| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 课题背景及意义 | 第16-17页 |
| 1.1.1 课题背景 | 第16页 |
| 1.1.2 课题研究意义 | 第16-17页 |
| 1.2 研究现状 | 第17-20页 |
| 1.2.1 能耗优化调度问题研究现状 | 第17-18页 |
| 1.2.2 资源约束调度问题研究现状 | 第18页 |
| 1.2.3 车间调度求解方法研究现状 | 第18-20页 |
| 1.3 研究内容及其研究路线安排 | 第20-21页 |
| 1.3.1 研究目标及主要内容 | 第20页 |
| 1.3.2 章节组织结构 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 考虑压力资源约束轮胎硫化车间能耗调度模型 | 第22-34页 |
| 2.1 概述 | 第22页 |
| 2.2 轮胎生产能耗因素分析 | 第22-28页 |
| 2.2.1 轮胎生产工艺流程及能源消耗情况 | 第22-25页 |
| 2.2.2 轮胎硫化车间能耗影响因素分析 | 第25-27页 |
| 2.2.3 轮胎硫化车间能耗模型 | 第27-28页 |
| 2.3 轮胎硫化工艺问题特点描述 | 第28-30页 |
| 2.4 数学模型 | 第30-33页 |
| 2.4.1 模型参数 | 第30-31页 |
| 2.4.2 目标函数 | 第31-32页 |
| 2.4.3 约束条件 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 双种群混合遗传算法在硫化车间的求解方法研究 | 第34-42页 |
| 3.1 概述 | 第34页 |
| 3.2 多种群遗传算法的引入 | 第34-35页 |
| 3.3 提出基于IAGA与SAGA的双种群策略混合遗传算法 | 第35-38页 |
| 3.3.1 改进自适应遗传算法(IAGA)和模拟退火遗传算法(SAGA) | 第35-36页 |
| 3.3.2 IAGA与SAGA的双种群遗传算法构建 | 第36-38页 |
| 3.4 双种群混合遗传算法在硫化车间的主要求解过程 | 第38-41页 |
| 3.4.1 编码方式 | 第38-39页 |
| 3.4.2 种群初始化 | 第39页 |
| 3.4.3 选择操作 | 第39-40页 |
| 3.4.4 交叉及变异操作 | 第40页 |
| 3.4.5 移民操作 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 双种群混合粒子群算法在硫化车间的求解方法研究 | 第42-53页 |
| 4.1 概述 | 第42页 |
| 4.2 粒子群算法的发展 | 第42-43页 |
| 4.3 多种群粒子群算法的引入 | 第43页 |
| 4.4 提出基于IPSO与SAPSO的双种群策略混合粒子群算法 | 第43-49页 |
| 4.4.1 惯性权重改进粒子群算法(IPSO) | 第43-45页 |
| 4.4.2 模拟退火技术粒子群混合算法(SAPSO) | 第45-47页 |
| 4.4.3 基于IPSO与SAPSO的混合双种群粒子群算法构建 | 第47-49页 |
| 4.5 双种群混合粒子群算法在硫化车间的主要求解过程 | 第49-52页 |
| 4.5.1 基于硫化工序问题编码、解码 | 第49-50页 |
| 4.5.2 速度位置更新 | 第50-51页 |
| 4.5.3 初始化温度 | 第51页 |
| 4.5.4 降温操作 | 第51页 |
| 4.5.5 状态接收函数 | 第51页 |
| 4.5.6 变异操作 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 实验验证与应用 | 第53-62页 |
| 5.1 概述 | 第53页 |
| 5.2 经典问题对比验证 | 第53-58页 |
| 5.2.1 小规模Car问题对比验证 | 第53-57页 |
| 5.2.2 大规模Car问题对比验证 | 第57-58页 |
| 5.3 基于压力资源约束的轮胎硫化车间调度算法的应用 | 第58-61页 |
| 5.3.1 硫化车间调度模块功能设计和开发环境 | 第58-59页 |
| 5.3.2 模块应用实例 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |
