| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 生产计划和生产调度集成问题 | 第11-14页 |
| 1.3 智能算法 | 第14-18页 |
| 1.3.1 遗传算法 | 第15-16页 |
| 1.3.2 布谷鸟智能搜索算法 | 第16-18页 |
| 1.4 不确定环境下生产计划和生产调度集成问题研究现状 | 第18-22页 |
| 1.4.1 随机规划 | 第18-19页 |
| 1.4.2 模糊规划 | 第19-20页 |
| 1.4.3 鲁棒优化 | 第20-22页 |
| 1.5 研究内容与文章组织架构 | 第22-24页 |
| 第2章 确定环境下生产计划和生产调度集成建模 | 第24-33页 |
| 2.1 引言 | 第24页 |
| 2.2 问题描述 | 第24-25页 |
| 2.3 生产计划和生产调度集成数学模型 | 第25-28页 |
| 2.4 生产计划和生产调度集成模型的求解 | 第28-32页 |
| 2.4.1 上层数学模型 | 第28-31页 |
| 2.4.2 下层数学模型 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于GA和MCS算法的生产计划和生产调度集成模型的优化 | 第33-54页 |
| 3.1 引言 | 第33页 |
| 3.2 基于GA的集成模型求解 | 第33-41页 |
| 3.2.1 算法步骤 | 第33-35页 |
| 3.2.2 案例仿真 | 第35-41页 |
| 3.3 布谷鸟搜索算法 | 第41-43页 |
| 3.3.1 布谷鸟搜索算法仿生原理 | 第41-42页 |
| 3.3.2 莱维飞行 | 第42页 |
| 3.3.3 布谷鸟搜索算法步骤 | 第42-43页 |
| 3.4 改进的布谷鸟搜索算法(MCS) | 第43-46页 |
| 3.5 改进的布谷鸟算法与标准布谷鸟算法性能对比 | 第46-47页 |
| 3.6 基于MCS算法的集成模型求解 | 第47-53页 |
| 3.6.1 算法步骤 | 第48-50页 |
| 3.6.2 案例仿真 | 第50-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第4章 不确定环境下的生产计划和生产调度集成随机规划 | 第54-63页 |
| 4.1 引言 | 第54-55页 |
| 4.2 模型的目标函数中存在随机变量 | 第55-56页 |
| 4.3 模型的约束中存在随机变量 | 第56-57页 |
| 4.3.1 两阶段法 | 第56-57页 |
| 4.3.2 机会约束法 | 第57页 |
| 4.4 常用的概率分布函数 | 第57-59页 |
| 4.5 案例仿真 | 第59-62页 |
| 4.5.1 基于GA的产品销售价格不确定下的随机规划模型求解 | 第59-60页 |
| 4.5.2 基于GA的产品需求不确定下的随机规划模型求解 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 不确定环境下生产计划和生产调度集成问题的偏好鲁棒优化 | 第63-74页 |
| 5.1 引言 | 第63页 |
| 5.2 不确定参数集合的数学表达式 | 第63-65页 |
| 5.3 产品需求不确定下的鲁棒优化模型 | 第65页 |
| 5.4 产品销售价格不确定下的鲁棒优化模型 | 第65-67页 |
| 5.5 案例仿真 | 第67-73页 |
| 5.5.1 基于GA的产品需求不确定下的鲁棒优化模型的求解 | 第67-69页 |
| 5.5.2 基于GA的产品销售价格不确定下的鲁棒优化模型的求解 | 第69-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第6章 总结和展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 在读硕士学位期间研究成果 | 第82-83页 |
| 附录 | 第83-85页 |
