Job-Shop调度优化方法及其应用研究
| 1 绪论 | 第1-14页 |
| 1．1 选题背景及其意义 | 第8页 |
| 1．2 车间调度问题的研究现状 | 第8-13页 |
| 1．2．1 车间调度问题的分类及特点 | 第8-9页 |
| 1．2．2 车间调度问题的研究方法 | 第9-12页 |
| 1．2．3 车间调度研究存在的问题 | 第12页 |
| 1．2．4 车间调度研究的发展趋势 | 第12-13页 |
| 1．3 本文研究主要内容 | 第13-14页 |
| 2 Job-Shop调度问题的遗传优化算法 | 第14-38页 |
| 2．1 车间优化调度问题的复杂性 | 第14-15页 |
| 2．2 遗传算法的基本概念和原理 | 第15-20页 |
| 2．2．1 遗传算法的发展与现状 | 第15-16页 |
| 2．2．2 遗传算法的基本概念 | 第16-18页 |
| 2．2．3 遗传算法的原理 | 第18-20页 |
| 2．3 遗传优化算法编码 | 第20-25页 |
| 2．3．1 作业车间调度描述 | 第20-21页 |
| 2．3．2 遗传编码 | 第21-25页 |
| 2．4 遗传调度算例 | 第25-37页 |
| 2．4．1 调度问题 | 第25-26页 |
| 2．4．2 调度原始数据 | 第26-27页 |
| 2．4．3 遗传优化算法 | 第27-33页 |
| 2．4．4 结果分析 | 第33-37页 |
| 2．5 本章小结 | 第37-38页 |
| 3 Job-Shop调度问题启发式优化算法 | 第38-48页 |
| 3．1 启发式调度及问题描述 | 第38页 |
| 3．2 启发式优化算法 | 第38-42页 |
| 3．3 调度算例 | 第42-43页 |
| 3．4 结果分析 | 第43-47页 |
| 3．5 本章小结 | 第47-48页 |
| 4 Job-Shop调度问题的蚂蚁优化算法 | 第48-56页 |
| 4．1 蚂蚁算法的基本概念和原理 | 第48-51页 |
| 4．1．1 蚂蚁算法的基本概念 | 第48-49页 |
| 4．1．2 蚂蚁算法的基本原理 | 第49-51页 |
| 4．2 蚂蚁优化算法 | 第51-54页 |
| 4．3 结果分析 | 第54页 |
| 4．4 算法对比分析 | 第54-55页 |
| 4．5 本章小结 | 第55-56页 |
| 5 基于JSP的生产调度系统及应用 | 第56-68页 |
| 5．1 系统功能分析 | 第56-58页 |
| 5．2 系统的数据管理 | 第58-62页 |
| 5．2．1 调度数据的概念模型 | 第59页 |
| 5．2．2 概念模型转换为关系数据库 | 第59-62页 |
| 5．3 系统的运行环境构建 | 第62-63页 |
| 5．4 系统的主要功能 | 第63-67页 |
| 5．5 本章小结 | 第67-68页 |
| 6 结论及展望 | 第68-70页 |
| 6．1 结论 | 第68页 |
| 6．2 研究展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 发表论文与完成项目 | 第74页 |
