| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究现状 | 第12-19页 |
| 1.2.1 单机调度问题传统求解方法 | 第12-14页 |
| 1.2.2 深度学习发展历程简要介绍 | 第14-17页 |
| 1.2.3 基于神经网络的生产过程调度方法研究 | 第17-19页 |
| 1.3 单机调度问题表述 | 第19-22页 |
| 1.3.1 单机调度问题定义及符号表示 | 第20页 |
| 1.3.2 单机调度问题的数学模型 | 第20-22页 |
| 1.4 论文主要内容及结构安排 | 第22-25页 |
| 1.4.1 论文主要内容 | 第22页 |
| 1.4.2 结构安排 | 第22-25页 |
| 第二章 基于Pointer Networks的单机调度算法 | 第25-45页 |
| 2.1 引言 | 第25-26页 |
| 2.2 Pointer Networks简介 | 第26-30页 |
| 2.3 基于Pointer Networks结构的单机调度问题建模 | 第30-34页 |
| 2.3.1 Pointer Networks网络结构设计 | 第30-32页 |
| 2.3.2 单机调度问题的输入输出表示 | 第32-33页 |
| 2.3.3 Pointer Networks编码、解码过程 | 第33-34页 |
| 2.3.4 不可行解的处理 | 第34页 |
| 2.4 基于Pointer Networks的单机调度算法流程 | 第34-39页 |
| 2.4.1 算法流程 | 第34-35页 |
| 2.4.2 训练样本生成方法 | 第35-36页 |
| 2.4.3 仿真实例及仿真设计 | 第36-39页 |
| 2.5 仿真结果及分析 | 第39-43页 |
| 2.5.1 仿真设置与仿真环境 | 第39-40页 |
| 2.5.2 算法的评价指标 | 第40页 |
| 2.5.3 算法的有效性 | 第40-41页 |
| 2.5.4 调整训练数据与模型参数对结果的影响 | 第41-42页 |
| 2.5.5 算法的泛化能力 | 第42-43页 |
| 2.6 本章小结 | 第43-45页 |
| 第三章 结合滚动优化与Pointer Networks的单机调度算法 | 第45-51页 |
| 3.1 引言 | 第45页 |
| 3.2 结合滚动优化与Pointer Networks的单机调度算法设计 | 第45-47页 |
| 3.3 仿真结果及分析 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于强化学习的单机调度算法 | 第51-59页 |
| 4.1 引言 | 第51-52页 |
| 4.2 基于强化学习的组合优化问题算法简介 | 第52-54页 |
| 4.3 基于Pointer Networks的深度强化学习算法设计 | 第54-56页 |
| 4.4 仿真结果及分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文的主要内容和贡献 | 第59-60页 |
| 5.2 今后的研究工作 | 第60-61页 |
| 参考文献 | 第61-71页 |
| 致谢 | 第71页 |
