| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究背景及意义 | 第13-14页 |
| 1.3 研究现状 | 第14-16页 |
| 1.3.1 单机环境批处理调度问题 | 第14-15页 |
| 1.3.2 并行机环境批处理调度问题 | 第15-16页 |
| 1.3.3 车间环境批处理调度问题 | 第16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 1.5 文章结构安排 | 第17-19页 |
| 第二章 批调度问题求解及相关算法 | 第19-35页 |
| 2.1 批调度问题理论基础 | 第19-20页 |
| 2.1.1 调度问题的表示 | 第19-20页 |
| 2.1.2 批调度问题的描述 | 第20页 |
| 2.1.3 批调度问题的数学模型 | 第20页 |
| 2.2 批调度问题的求解方法 | 第20-26页 |
| 2.2.1 批调度的求解方法 | 第21-25页 |
| 2.2.2 蚁群算法的特性 | 第25-26页 |
| 2.2.3 蚁群算法和鱼群算法的适用性 | 第26页 |
| 2.3 蚁群算法在批调度问题中的应用 | 第26-30页 |
| 2.3.1 蚁群算法的基本框架 | 第27页 |
| 2.3.2 蚁群算法的设计 | 第27-30页 |
| 2.4 鱼群算法在批调度问题中的应用 | 第30-34页 |
| 2.4.1 鱼群算法描述 | 第30页 |
| 2.4.2 参数定义和行为描述 | 第30-33页 |
| 2.4.3 鱼群算法的求解过程 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 鱼群算法的改进及混合算法的设计 | 第35-44页 |
| 3.1 鱼群算法的改进 | 第35-38页 |
| 3.1.1 人工鱼群算法的局限性 | 第35-36页 |
| 3.1.2 人工鱼群算法的改进思想 | 第36-37页 |
| 3.1.3 与传统鱼群算法的比较 | 第37-38页 |
| 3.2 蚁群鱼群相结合的混合算法 | 第38-42页 |
| 3.2.1 蚁群算法和鱼群算法的优缺点 | 第39页 |
| 3.2.2 算法结合的思想 | 第39-40页 |
| 3.2.3 蚁群鱼群相结合的混合算法 | 第40-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第四章 差异工件单机批调度的求解算法 | 第44-60页 |
| 4.1 1|s_j,B|∑C_j问题的数学模型 | 第44-45页 |
| 4.1.1 基本假设 | 第44页 |
| 4.1.2 数学模型 | 第44-45页 |
| 4.2 求解1|s_j,B|∑C_j问题的蚁群算法 | 第45-48页 |
| 4.3 求解1|s_j,B|∑C_j问题的鱼群算法 | 第48-50页 |
| 4.3.1 传统鱼群算法设计 | 第48-50页 |
| 4.3.2 改进鱼群算法的动态调整策略 | 第50页 |
| 4.4 求解1|s_j,B|∑C_j问题的混合算法 | 第50-51页 |
| 4.5 实验分析 | 第51-58页 |
| 4.5.1 实验设计 | 第51-52页 |
| 4.5.2 实验描述 | 第52页 |
| 4.5.3 实验结果 | 第52-58页 |
| 4.5.4 实验小结 | 第58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 总结和展望 | 第60-62页 |
| 5.1 研究总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第68页 |
