基于相似度和种群熵的自适应蚁群遗传算法及其应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 绪论 | 第9-11页 |
| 一.课题研究背景 | 第9页 |
| 二.本文的意义及主要工作 | 第9-11页 |
| 第一章 调度问题研究 | 第11-17页 |
| ·调度问题及其分类 | 第11页 |
| ·调度问题的描述 | 第11-12页 |
| ·调度问题的研究方法 | 第12-13页 |
| ·大规模调度问题的研究现状 | 第13-16页 |
| 本章小结 | 第16-17页 |
| 第二章 自适应遗传算法 | 第17-23页 |
| ·引言 | 第17页 |
| ·自适应遗传算法 | 第17-21页 |
| ·自适应遗传算法的分类 | 第17-19页 |
| ·标准自适应遗传算法及其收敛性 | 第19-21页 |
| ·自适应遗传算法在生产调度中的应用 | 第21-22页 |
| ·求解调度问题的编码设计 | 第21页 |
| ·求解调度问题的遗传操作 | 第21-22页 |
| ·求解调度问题的混合式遗传搜索 | 第22页 |
| 本章小结 | 第22-23页 |
| 第三章 算法的并行性和蚁群算法 | 第23-29页 |
| ·引言 | 第23页 |
| ·算法的并行性 | 第23-24页 |
| ·算法并行性的概念 | 第23-24页 |
| ·提高并行性的技术途径 | 第24页 |
| ·遗传算法的并行性 | 第24-25页 |
| ·遗传算法内含并行性的理论基础 | 第24-25页 |
| ·遗传算法本质并行性的体现 | 第25页 |
| ·蚁群算法 | 第25-28页 |
| ·蚁群算法的基本原理及特点 | 第25-27页 |
| ·蚁群算法的研究进展 | 第27-28页 |
| ·蚁群算法的并行策略 | 第28页 |
| 本章小结 | 第28-29页 |
| 第四章 基于相似度和种群熵的自适应蚁群遗传算法 | 第29-46页 |
| ·引言 | 第29页 |
| ·相似度与相似度熵 | 第29-31页 |
| ·相似度的定义及其计算 | 第29-30页 |
| ·相似度熵的定义 | 第30页 |
| ·相似度熵的估计方法 | 第30-31页 |
| ·改进算法及算法流程 | 第31-34页 |
| ·算法的整体框架 | 第31-32页 |
| ·种群因子的自适应调节 | 第32-33页 |
| ·平衡种群的构建 | 第33页 |
| ·算法流程 | 第33-34页 |
| ·算法的遗传操作和参数设计 | 第34-36页 |
| ·编码与解码 | 第34-35页 |
| ·建立初始种群 | 第35页 |
| ·交叉与变异 | 第35-36页 |
| ·勘探种群的算法设计 | 第36-40页 |
| ·相似度阀值函数的引入 | 第36-37页 |
| ·交叉率和变异率自调节公式的改进 | 第37-39页 |
| ·勘探种群算法的流程 | 第39-40页 |
| ·改进算法中的蚁群算法 | 第40-42页 |
| ·蚁群算法解决车间调度 | 第40-41页 |
| ·算法中的蚁群算法流程 | 第41-42页 |
| ·改进算法性能验证 | 第42-45页 |
| ·勘探种群算法性能验证 | 第42页 |
| ·单一大规模算例验证 | 第42-43页 |
| ·典型大规模算例验证 | 第43-45页 |
| ·结论 | 第45页 |
| 本章小结 | 第45-46页 |
| 第五章 调度算法实验系统 | 第46-62页 |
| ·系统开发的目的 | 第46页 |
| ·系统概要设计 | 第46-56页 |
| ·系统建模方法 | 第46-47页 |
| ·系统功能模块组成 | 第47-48页 |
| ·系统功能模块说明 | 第48-56页 |
| ·系统数据库设计 | 第56-61页 |
| 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
