摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 国外研究现状简介 | 第11-13页 |
1.2.2 国内研究现状简介 | 第13页 |
1.2.3 国内外研究现状总结 | 第13-15页 |
1.3 研究内容 | 第15页 |
1.4 组织结构 | 第15-18页 |
第二章 关键理论与技术 | 第18-38页 |
2.1 调度问题理论 | 第18-23页 |
2.1.1 调度问题的定义 | 第18-19页 |
2.1.2 调度问题的分类 | 第19-22页 |
2.1.3 调度问题的复杂度 | 第22页 |
2.1.4 车间调度问题的数学描述 | 第22-23页 |
2.2 遗传算法基础简介 | 第23-30页 |
2.2.1 遗传算法相关概念 | 第23-24页 |
2.2.2 遗传算法的编码 | 第24-25页 |
2.2.3 遗传算法的交叉过程 | 第25-27页 |
2.2.4 遗传算法的变异过程 | 第27-28页 |
2.2.5 遗传算法的适应度函数和选择过程 | 第28-30页 |
2.3 马尔科夫理论 | 第30-32页 |
2.3.1 马尔可夫决策过程定义 | 第30-31页 |
2.3.2 马尔可夫决策过程的值函数 | 第31页 |
2.3.3 值函数的迭代方式 | 第31-32页 |
2.3.4 马尔可夫决策过程的参数 | 第32页 |
2.3.5 马尔可夫决策过程与遗传算法 | 第32页 |
2.4 神经网络技术 | 第32-37页 |
2.4.1 神经网络的定义 | 第33-34页 |
2.4.2 神经网络的前向传播 | 第34-35页 |
2.4.3 神经网络的反向传播 | 第35-37页 |
2.4.4 神经网络与遗传算法 | 第37页 |
2.5 本章小结 | 第37-38页 |
第三章 基于遗传算法的作业车间调度算法研究 | 第38-46页 |
3.1 模型建立流程设计 | 第38-40页 |
3.1.1 模型总体流程 | 第38-39页 |
3.1.2 模型的输入与输出 | 第39页 |
3.1.3 模型的参数选择 | 第39-40页 |
3.1.4 模型的训练策略 | 第40页 |
3.2 作业车间调度实际问题与算例 | 第40-41页 |
3.3 解决作业车间调度问题的遗传算法 | 第41-44页 |
3.3.1 遗传算法收敛性 | 第41-42页 |
3.3.2 遗传算法建模 | 第42-44页 |
3.4 神经网络与遗传算法的结合方式 | 第44-45页 |
3.5 本章小结 | 第45-46页 |
第四章 面向柔性作业车间调度问题的改进算法GANN | 第46-54页 |
4.1 GANN模型流程设计 | 第46-48页 |
4.1.1 GANN模型总体流程 | 第46-47页 |
4.1.2 GANN模型输入与输出 | 第47页 |
4.1.3 GANN模型参数选择 | 第47页 |
4.1.4 GANN模型训练策略 | 第47-48页 |
4.2 柔性作业车间调度实际问题与算例 | 第48-49页 |
4.3 GANN的遗传算法建模 | 第49-50页 |
4.4 使用神经网络改进遗传算法 | 第50-51页 |
4.4.1 神经网络与遗传算法的结合方式 | 第50-51页 |
4.4.2 神经网络改进遗传算法的理论分析 | 第51页 |
4.5 本章小结 | 第51-54页 |
第五章 模型测试与评估 | 第54-62页 |
5.1 测试准备 | 第54页 |
5.2 测试流程 | 第54-55页 |
5.2.1 作业车间调度算法测试流程 | 第54-55页 |
5.2.2 GANN算法测试流程 | 第55页 |
5.3 作业车间调度算法的结果分析与评估 | 第55-58页 |
5.3.1 结果分析 | 第55-58页 |
5.3.2 结果评估 | 第58页 |
5.4 GANN算法的结果分析与评估 | 第58-60页 |
5.4.1 结果分析 | 第58-60页 |
5.4.2 结果评估 | 第60页 |
5.5 本章小结 | 第60-62页 |
第六章 总结与展望 | 第62-66页 |
6.1 论文的意义 | 第62页 |
6.2 论文的主要工作 | 第62-63页 |
6.3 主要成果 | 第63-64页 |
6.4 论文的不足之处 | 第64页 |
6.5 展望 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-72页 |
攻读学位期间发表学术论文目录 | 第72页 |