| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 云制造调度国内外研究现状 | 第11-14页 |
| 1.3 课题来源及本文主要内容 | 第14-16页 |
| 1.3.1 课题来源 | 第14-15页 |
| 1.3.2 本文主要内容 | 第15-16页 |
| 第2章 相关理论概述 | 第16-25页 |
| 2.1 作业计划与调度系统的体系结构 | 第16-18页 |
| 2.1.1 体系结构 | 第16-17页 |
| 2.1.2 交互过程 | 第17-18页 |
| 2.2 作业计划与调度系统的机制与功能 | 第18-19页 |
| 2.2.1 运行描述 | 第18-19页 |
| 2.2.2 功能描述 | 第19页 |
| 2.3 作业计划与调度流程介绍 | 第19-21页 |
| 2.4 相关调度研究成果概述 | 第21-23页 |
| 2.4.1 一般应用场景的相关研究成果 | 第22-23页 |
| 2.4.2 特殊应用场景的相关研究成果 | 第23页 |
| 2.4.3 云制造场景下的相关研究成果 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 考虑能耗成本指标的云车间调度算法研究 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 调度问题描述 | 第25-27页 |
| 3.2.1 产品描述 | 第25-26页 |
| 3.2.2 资源描述 | 第26页 |
| 3.2.3 调度过程描述 | 第26-27页 |
| 3.3 策略与算法设计 | 第27-30页 |
| 3.3.1 极大并行权衡策略 | 第28页 |
| 3.3.2 启发式蚁群求解策略 | 第28-29页 |
| 3.3.3 算法流程 | 第29-30页 |
| 3.4 算例验证与分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 考虑多成本约束的云车间调度算法研究 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 调度问题描述 | 第34-36页 |
| 4.3 策略与算法设计 | 第36-40页 |
| 4.3.1 单项约束转化策略 | 第36-37页 |
| 4.3.2 遗传法算子优化策略 | 第37-38页 |
| 4.3.3 算法流程 | 第38-40页 |
| 4.4 算例验证与分析 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 基于融合算法的多成本约束云车间调度算法研究 | 第44-52页 |
| 5.1 引言 | 第44页 |
| 5.2 问题描述 | 第44-45页 |
| 5.3 策略与算法设计 | 第45-48页 |
| 5.3.1 约束转化过程 | 第45页 |
| 5.3.2 算子改进过程 | 第45页 |
| 5.3.3 遗传求解过程 | 第45-46页 |
| 5.3.4 蚁群算法过程 | 第46页 |
| 5.3.5 整体算法执行流程 | 第46-48页 |
| 5.4 算例验证与分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间所发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |