| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.1.1 研究背景 | 第16-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 产品试验计划调度问题概述 | 第18-19页 |
| 1.2.1 试验计划调度含义 | 第18页 |
| 1.2.2 试验计划与试验调度协同优化 | 第18-19页 |
| 1.3 试验计划调度研究现状 | 第19-21页 |
| 1.4 研究内容 | 第21-22页 |
| 1.5 论文章节安排 | 第22-24页 |
| 第二章 基于回溯算法的试验计划任务分配方案设计 | 第24-38页 |
| 2.1 产品试验数据来源 | 第24-30页 |
| 2.2 产品试验计划任务分配问题描述 | 第30-31页 |
| 2.3 回溯算法 | 第31-32页 |
| 2.3.1 回溯算法的基本思想 | 第31页 |
| 2.3.2 回溯算法的优点 | 第31-32页 |
| 2.3.3 回溯法解决问题的基本步骤 | 第32页 |
| 2.4 试验计划任务分配与回溯算法设计 | 第32-37页 |
| 2.4.1 试验任务分配问题的回溯算法设计 | 第33-34页 |
| 2.4.2 回溯算法的改进 | 第34-35页 |
| 2.4.3 回溯算法代码实现及其运行结果 | 第35-36页 |
| 2.4.4 分析各分配方案并选择最佳分配方案 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 产品试验调度问题与遗传算法 | 第38-48页 |
| 3.1 试验调度要素分析 | 第38-39页 |
| 3.2 试验调度的特点 | 第39页 |
| 3.3 产品试验调度问题的传统解决方法 | 第39-40页 |
| 3.4 试验调度问题与遗传算法 | 第40页 |
| 3.5 遗传算法概述 | 第40-43页 |
| 3.5.1 遗传算法的发展史 | 第40-41页 |
| 3.5.2 遗传算法的基本流程 | 第41-42页 |
| 3.5.3 遗传算法的特点 | 第42-43页 |
| 3.6 遗传算法参数与操作的设计 | 第43-46页 |
| 3.6.1 编码设计 | 第43页 |
| 3.6.2 适应度函数设计 | 第43-44页 |
| 3.6.3 算法参数设计 | 第44页 |
| 3.6.4 遗传操作设计 | 第44-46页 |
| 3.6.5 算法终止条件 | 第46页 |
| 3.7 本章小结 | 第46-48页 |
| 第四章 基于遗传算法的产品试验调度问题求解 | 第48-66页 |
| 4.1 产品试验计划任务分配与试验调度的关系 | 第48页 |
| 4.2 试验调度问题描述 | 第48-49页 |
| 4.3 试验调度问题数学建模 | 第49页 |
| 4.4 基于试验工序的遗传算法设计 | 第49-56页 |
| 4.4.1 遗传操作设计 | 第51-54页 |
| 4.4.2 适应度函数设计 | 第54-56页 |
| 4.5 遗传算法编码实现 | 第56-61页 |
| 4.6 基于遗传算法的产品试验调度结果分析 | 第61-64页 |
| 4.7 本章小结 | 第64-66页 |
| 第五章 基于改进遗传算法的产品试验调度优化求解 | 第66-82页 |
| 5.1 遗传算法的改进思想 | 第66-70页 |
| 5.1.1 增大算法搜索空间 | 第66页 |
| 5.1.2 动态确定交叉和变异比率 | 第66-70页 |
| 5.2 改进的遗传算法编码实现 | 第70-75页 |
| 5.2.1 改进遗传算法的输入参数 | 第70页 |
| 5.2.2 改进遗传算法求解后所得试验调度结果 | 第70-75页 |
| 5.3 算法改进后试验机器的负载分析 | 第75-78页 |
| 5.4 算法改进前后的产品试验调度结果对比分析 | 第78-80页 |
| 5.4.1 算法改进前后的产品试验完工时间对比分析 | 第78-79页 |
| 5.4.2 算法改进前后的试验机器负载对比分析 | 第79-80页 |
| 5.5 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 本文工作总结 | 第82页 |
| 6.2 未来工作展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-90页 |
| 作者简介 | 第90-91页 |