改进自适应非支配排序遗传算法在多目标车间调度的研究与应用
摘要 | 第4-5页 |
Abstract | 第5-6页 |
绪论 | 第10-13页 |
一、课题研究背景和意义 | 第10页 |
二、国内外研究现状 | 第10-11页 |
三、研究内容和研究思路 | 第11-13页 |
第一章 车间调度研究 | 第13-18页 |
1.1 车间调度概述 | 第13页 |
1.2 车间调度的分类 | 第13页 |
1.3 作业车间调度问题 | 第13-15页 |
1.3.1 作业车间调度问题描述 | 第13-15页 |
1.3.2 作业车间调度问题特点 | 第15页 |
1.4 车间调度的解决方法 | 第15-16页 |
1.5 多目标车间优化调度 | 第16-17页 |
1.5.1 多目标车间优化调度的研究现状 | 第16-17页 |
1.5.2 多目标车间优化调度存在的问题 | 第17页 |
本章小结 | 第17-18页 |
第二章 遗传算法理论与研究 | 第18-22页 |
2.1 遗传算法基本思想 | 第18页 |
2.2 遗传算法特点 | 第18-19页 |
2.3 算法操作与流程 | 第19-21页 |
本章小结 | 第21-22页 |
第三章 改进遗传算法的设计 | 第22-37页 |
3.1 多目标优化问题 | 第22-23页 |
3.2 多目标优化方法 | 第23页 |
3.3 NSGA-Ⅱ算法介绍 | 第23-26页 |
3.3.1 NSGA-Ⅱ算法流程 | 第24页 |
3.3.2 快速非支配排序 | 第24-25页 |
3.3.3 拥挤距离计算 | 第25-26页 |
3.3.4 小生境技术和精英策略 | 第26页 |
3.4 改进的NSGA-Ⅱ算法 | 第26-29页 |
3.4.1 改进的拥挤距离计算 | 第26-28页 |
3.4.2 添加精英保留的改进精英选择策略 | 第28-29页 |
3.5 改进的NSGA-Ⅱ算法性能测试 | 第29-30页 |
3.6 改进的自适应遗传算子 | 第30-33页 |
3.6.1 改进的自适应交叉算子 | 第30-32页 |
3.6.2 改进的自适应变异算子 | 第32-33页 |
3.7 极值优化算法 | 第33-34页 |
3.8 改进遗传算法的性能分析 | 第34-36页 |
3.8.1 算法局部收敛判断 | 第34-35页 |
3.8.2 混合策略遗传算法性能分析 | 第35-36页 |
本章小结 | 第36-37页 |
第四章 改进遗传算法求解多目标作业车间调度问题 | 第37-48页 |
4.1 编码方式 | 第37-38页 |
4.2 多目标优化简介 | 第38-39页 |
4.2.1 常见目标函数 | 第38-39页 |
4.2.2 目标函数选定 | 第39页 |
4.3 多目标问题转化 | 第39页 |
4.4 适应度函数设定及选择操作设计 | 第39-40页 |
4.5 初始化种群 | 第40页 |
4.6 交叉和变异设计 | 第40-41页 |
4.6.1 交叉操作 | 第40-41页 |
4.6.2 变异操作 | 第41页 |
4.7 改进的NSGA-Ⅱ算法的应用流程 | 第41-43页 |
4.8 改进算法的仿真测试 | 第43-47页 |
本章小结 | 第47-48页 |
第五章 调度系统实现 | 第48-62页 |
5.1 引言 | 第48页 |
5.2 车间调度模拟系统的概述 | 第48-49页 |
5.2.1 系统的需求分析 | 第48页 |
5.2.2 系统开发目标 | 第48-49页 |
5.2.3 系统开发与测试环境 | 第49页 |
5.3 系统总体设计 | 第49-53页 |
5.3.1 系统特性与总体设计 | 第49-51页 |
5.3.2 系统业务处理流程 | 第51-53页 |
5.4 系统详细设计 | 第53-54页 |
5.4.1 用户管理模块 | 第53页 |
5.4.2 订单管理模块 | 第53页 |
5.4.3 产品管理模块 | 第53页 |
5.4.4 设备管理模块 | 第53-54页 |
5.4.5 资源配置模块 | 第54页 |
5.4.6 车间调度管理模块 | 第54页 |
5.4.7 算法验证模块 | 第54页 |
5.5 数据库设计 | 第54-56页 |
5.6 运行过程展示 | 第56-61页 |
本章小结 | 第61-62页 |
结论 | 第62-63页 |
参考文献 | 第63-67页 |
攻读硕士学位期间发表的学术论文 | 第67-68页 |
致谢 | 第68页 |