| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及研究目的和意义 | 第10-11页 |
| 1.2 相关技术研究现状分析 | 第11-14页 |
| 1.2.1 云制造理论研究现状 | 第11-13页 |
| 1.2.2 车间生产资源调度与配置研究现状 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15-17页 |
| 第2章 云制造环境下车间生产资源模型的建立 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 基于加工能力的集成化云制造车间生产资源建模 | 第17-23页 |
| 2.2.1 模型的建立 | 第17-21页 |
| 2.2.2 模型的数学表达 | 第21-23页 |
| 2.3 云制造车间生产资源信息建模 | 第23-26页 |
| 2.3.1 车间生产资源信息模型 | 第23-26页 |
| 2.3.2 模型形式化描述与分析 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 云制造环境下车间生产资源调度与配置优化求解分析 | 第27-45页 |
| 3.1 引言 | 第27页 |
| 3.2 云制造环境下车间生产资源调度与配置优化方法 | 第27-31页 |
| 3.2.1 基于加工节点数据流的生产资源资源调度与配置 | 第27-29页 |
| 3.2.2 云制造环境下车间生产资源调度与配置的约束规则 | 第29-30页 |
| 3.2.3 面向物理资源预约时间的方法与分析 | 第30-31页 |
| 3.3 时间/成本为目标的多模型融合动态资源调度优化模型 | 第31-38页 |
| 3.3.1 问题阐述 | 第31-34页 |
| 3.3.2 多模型融合动态资源调度优化模型 | 第34-37页 |
| 3.3.3 模型的数学表达 | 第37-38页 |
| 3.4 多模型融合的动态资源调度模型求解 | 第38-44页 |
| 3.4.1 基于改进的遗传算法的求解过程 | 第39-40页 |
| 3.4.2 多模型融合动态资源调度模型的遗传算法设计 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 应用实例分析与验证 | 第45-54页 |
| 4.1 引言 | 第45页 |
| 4.2 应用背景及问题描述 | 第45页 |
| 4.3 实例分析及验证 | 第45-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
