| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 绪论 | 第11-13页 |
| 一 课题提出的背景 | 第11页 |
| 二 本文的意义及主要研究内容 | 第11-13页 |
| 第一章 车间调度问题研究 | 第13-19页 |
| ·车间调度问题概述 | 第13-15页 |
| ·车间调度问题描述 | 第13-14页 |
| ·车间调度问题的特点 | 第14页 |
| ·车间调度问题分类 | 第14-15页 |
| ·调度问题的研究现状 | 第15-18页 |
| ·多目标柔性调度问题 | 第15-16页 |
| ·智能优化算法在调度问题中的应用 | 第16-18页 |
| 本章小结 | 第18-19页 |
| 第二章 遗传算法与蚁群算法 | 第19-23页 |
| ·引言 | 第19页 |
| ·遗传算法 | 第19-21页 |
| ·遗传算法概述 | 第19页 |
| ·遗传算法的基本步骤 | 第19-20页 |
| ·遗传算法的基本操作 | 第20-21页 |
| ·蚁群算法 | 第21-22页 |
| ·蚁群算法概述 | 第21-22页 |
| ·蚁群算法的现状 | 第22页 |
| 本章小结 | 第22-23页 |
| 第三章 一种新的混合算法——遗传蚁群算法 | 第23-30页 |
| ·引言 | 第23页 |
| ·遗传算法和蚁群算法的特性分析 | 第23-25页 |
| ·遗传算法的优缺点 | 第23-24页 |
| ·蚁群算法的优缺点 | 第24-25页 |
| ·遗传算法和蚁群算法融合的可行性分析 | 第25-26页 |
| ·遗传蚁群算法相互融合的策略 | 第26-27页 |
| ·算法流程设计 | 第27-28页 |
| 本章小结 | 第28-30页 |
| 第四章 遗传蚁群算法求解Job-Shop调度问题 | 第30-39页 |
| ·引言 | 第30页 |
| ·问题定义 | 第30-31页 |
| ·Job-Shop问题的变量说明 | 第31页 |
| ·目标函数 | 第31页 |
| ·求解Job-Shop问题的遗传蚁群算法 | 第31-38页 |
| ·初始种群及其适应度函数 | 第32页 |
| ·编码方式 | 第32-33页 |
| ·遗传操作设计 | 第33-35页 |
| ·初始信息素生成 | 第35-36页 |
| ·信息素更新 | 第36页 |
| ·结点选择 | 第36-37页 |
| ·遗传蚁群算法步骤 | 第37-38页 |
| 本章小结 | 第38-39页 |
| 第五章 遗传蚁群算法的测试分析及其模拟车间调度系统实现 | 第39-56页 |
| ·引言 | 第39页 |
| ·模拟系统概述 | 第39-40页 |
| ·需求分析 | 第39页 |
| ·设计思路 | 第39-40页 |
| ·详细设计分析 | 第40-45页 |
| ·遗传算法中类分析 | 第41-42页 |
| ·蚁群算法中类分析 | 第42-43页 |
| ·公共类及类之间的联系 | 第43-45页 |
| ·模拟系统平台 | 第45-55页 |
| ·算例及仿真结果 | 第47-51页 |
| ·结果分析 | 第51-53页 |
| ·遗传蚁群算法在车间调度问题上的应用 | 第53-55页 |
| 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |