| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关技术概述 | 第11-13页 |
| 1.2.1 工作流定义 | 第11页 |
| 1.2.2 工作流相关概念 | 第11-12页 |
| 1.2.3 工作流的组成 | 第12-13页 |
| 1.3 工作流任务执行中的影响因素 | 第13-14页 |
| 1.3.1 生产设备资源对任务执行的影响因素 | 第13页 |
| 1.3.2 人力资源对任务执行的影响因素 | 第13-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第二章 研究进展与方法 | 第17-22页 |
| 2.1 连续性生产资源调度研究现状 | 第17-18页 |
| 2.2 离散性生产资源调度研究现状 | 第18-19页 |
| 2.3 考虑协作度或协作模式下的人力资源调度研究现状 | 第19-20页 |
| 2.4 研究任务分配问题的方法 | 第20-21页 |
| 2.4.1 精确算法 | 第20页 |
| 2.4.2 启发式算法 | 第20页 |
| 2.4.3 元启发式算法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 面向协作优化的工作流调度方法 | 第22-33页 |
| 3.1 问题与定义 | 第22-25页 |
| 3.1.1 问题描述 | 第22-23页 |
| 3.1.2 基础定义 | 第23-25页 |
| 3.2 执行者间协作度的计算 | 第25-29页 |
| 3.2.1 判断执行者组合优劣的方法 | 第25-26页 |
| 3.2.2 计算执行者组合协作度 | 第26-27页 |
| 3.2.3 协作最优的有效性验证 | 第27-29页 |
| 3.3 基于协作最优的工作流任务分配框架 | 第29页 |
| 3.4 最大协作度任务分配算法 | 第29-31页 |
| 3.4.1 最大协作度任务分配算法思路 | 第30-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 面向多目标的工作流调度方法 | 第33-43页 |
| 4.1 问题与定义 | 第33-35页 |
| 4.1.1 问题描述与任务分配模型 | 第33-35页 |
| 4.1.2 相关定义 | 第35页 |
| 4.2 蚁群算法简述 | 第35-36页 |
| 4.2.1 蚁群算法的特点 | 第35-36页 |
| 4.2.2 蚁群算法在任务分配方面的研究 | 第36页 |
| 4.3 基于改进蚁群算法的任务分配策略 | 第36-41页 |
| 4.3.1 初始化协作度最优算法 | 第36-37页 |
| 4.3.2 关联流程模型及总负载计算 | 第37-38页 |
| 4.3.3 ACO-MC算法 | 第38-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 实验分析 | 第43-48页 |
| 5.1 实验准备 | 第43页 |
| 5.1.1 实验数据 | 第43页 |
| 5.1.2 结果评价指标和基准 | 第43页 |
| 5.2 ACO-MC算法权重因子的确认 | 第43-45页 |
| 5.3 性能分析 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48-49页 |
| 6.2 未来展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-56页 |
| 详细摘要 | 第56-58页 |