| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·车间调度在企业生产中的意义 | 第9-10页 |
| ·车间调度问题概述 | 第10-13页 |
| ·车间调度问题定义 | 第10页 |
| ·车间调度问题分类 | 第10-11页 |
| ·车间调度问题的特点 | 第11页 |
| ·车间调度问题评价标准 | 第11-12页 |
| ·车间调度问题的研究现状和研究方法 | 第12-13页 |
| ·本文内容 | 第13-15页 |
| 第2章 遗传算法 | 第15-26页 |
| ·生物进化及遗传算法基本原理 | 第15-16页 |
| ·遗传算法的基本步骤 | 第16-18页 |
| ·遗传算法的主要操作 | 第18-25页 |
| ·遗传编码 | 第18-20页 |
| ·适应度函数 | 第20-21页 |
| ·遗传算子 | 第21-23页 |
| ·遗传算法参数的选择 | 第23-24页 |
| ·改进的遗传算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 蚁群算法 | 第26-37页 |
| ·蚁群算法的思想起源 | 第26-27页 |
| ·蚁群算法的基本原理 | 第27-29页 |
| ·蚁群算法的算法模型 | 第29-34页 |
| ·蚁群算法框架 | 第30-31页 |
| ·蚁群算法的程序结构流程 | 第31-32页 |
| ·蚁群算法的数学模型 | 第32-34页 |
| ·基本蚁群算法参数说明 | 第34-35页 |
| ·蚁群算法的应用 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 遗传算法与蚁群算法的动态融合 | 第37-45页 |
| ·遗传算法和蚁群算法特点 | 第37-38页 |
| ·遗传算法和蚁群算法动态融合的基本思想 | 第38-39页 |
| ·遗传蚁群混合算法(GA-ACO)动态临界点的确定 | 第39-40页 |
| ·GA-ACO算法流程 | 第40-41页 |
| ·GA-ACO算法流程图 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 遗传蚁群混合算法在车间调度Job-Shop调度问题中的应用 | 第45-64页 |
| ·Job-Shop调度问题描述 | 第45-46页 |
| ·Job-Shop调度问题的析取图模型 | 第46-47页 |
| ·面向Job-Shop调度问题的GA-ACO算法 | 第47-62页 |
| ·适应度函数 | 第47页 |
| ·编码方式 | 第47-49页 |
| ·遗传算子设计 | 第49-50页 |
| ·遗传算法与蚁群算法融合 | 第50-51页 |
| ·蚁群算法规则 | 第51-52页 |
| ·Job-Shop调度问题算法过程 | 第52-53页 |
| ·仿真计算 | 第53-62页 |
| ·实验结论 | 第62页 |
| ·本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 本人在攻读硕士学位期间公开发表的论文 | 第71页 |