| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 排样问题分类 | 第12-15页 |
| 1.2 排样优化问题研究的目的和意义 | 第15-16页 |
| 1.2.1 排样优化问题的应用 | 第15页 |
| 1.2.2 排样问题研究的意义 | 第15-16页 |
| 1.3 排样问题研究现状 | 第16-18页 |
| 1.3.1 国外研究现状 | 第16-17页 |
| 1.3.2 国内研究现状 | 第17-18页 |
| 1.4 排样问题的难点和发展趋势 | 第18-19页 |
| 1.5 本文的主要研究内容 | 第19页 |
| 1.6 本文的组织结构 | 第19-22页 |
| 第二章 分布估计算法 | 第22-34页 |
| 2.1 分布估计算法概述 | 第22页 |
| 2.2 一个简单的分布估计算法 | 第22-25页 |
| 2.3 基于不同概率模型的分布估计算法 | 第25-31页 |
| 2.3.1 变量无关的分布估计算法 | 第25-27页 |
| 2.3.2 双变量相关的分布估计算法 | 第27-29页 |
| 2.3.3 多变量相关的分布估计算法 | 第29-31页 |
| 2.4 连续域分布算法 | 第31-32页 |
| 2.5 分布估计算法的特点 | 第32页 |
| 2.6 分布估计算法的发展趋势和研究热点 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第三章 矩形件排样优化问题 | 第34-44页 |
| 3.1 问题描述 | 第34-35页 |
| 3.2 矩形件排放的定序规则 | 第35-36页 |
| 3.3 求解矩形件排样问题的启发式算法 | 第36-41页 |
| 3.3.1 BL算法及其改进算法 | 第36-39页 |
| 3.3.2 分层排布算法 | 第39-40页 |
| 3.3.3 DP算法 | 第40-41页 |
| 3.4 求解矩形件排样问题的智能算法 | 第41-43页 |
| 3.4.1 遗传算法 | 第41-42页 |
| 3.4.2 蚁群算法 | 第42-43页 |
| 3.4.3 粒子群算法 | 第43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 分布估计算法求解矩形件排样问题 | 第44-64页 |
| 4.1 引言 | 第44页 |
| 4.2 改进的最低水平线搜索算法 | 第44-51页 |
| 4.2.1 最低水平线搜索算法的不足 | 第44-45页 |
| 4.2.2 算法改进思想 | 第45-46页 |
| 4.2.3 空闲区域合并策略 | 第46-47页 |
| 4.2.4 改进最低水平线算法的具体步骤 | 第47-51页 |
| 4.3 分布估计算法求解矩形件排样问题 | 第51-53页 |
| 4.3.1 概述 | 第51页 |
| 4.3.2 编码和解码 | 第51页 |
| 4.3.3 评价适应度函数 | 第51-52页 |
| 4.3.4 建立概率模型 | 第52页 |
| 4.3.5 算法步骤 | 第52-53页 |
| 4.4 算法测试和数据对比 | 第53-63页 |
| 4.4.1 与最低水平线算法和最低水平线搜索算法对比情况 | 第53-57页 |
| 4.4.2 与遗传算法对比情况 | 第57-60页 |
| 4.4.3 与遗传算法和蚁群算法的混合算法的对比情况 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结和展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |