| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-24页 |
| ·引言 | 第11-12页 |
| ·论文选题背景 | 第12-15页 |
| ·制造业发展的趋势与困局 | 第12-13页 |
| ·支撑资源优化配置的制造新模式—云制造 | 第13-14页 |
| ·云制造环境中的服务组合与优化问题 | 第14-15页 |
| ·相关领域国内外研究现状 | 第15-20页 |
| ·云制造领域的相关研究现状分析 | 第15-17页 |
| ·云计算领域的相关研究现状分析 | 第17页 |
| ·面向服务计算及面向服务制造领域的相关研究现状分析 | 第17-20页 |
| ·研究现状总结与问题提出 | 第20页 |
| ·论文研究目的意义及项目来源 | 第20-21页 |
| ·研究目的和意义 | 第20-21页 |
| ·项目来源 | 第21页 |
| ·论文研究内容及章节安排 | 第21-24页 |
| 2 云制造环境中的服务组合与优化技术框架 | 第24-40页 |
| ·引言 | 第24页 |
| ·技术框架的提出 | 第24-26页 |
| ·技术框架下相关技术的研究现状 | 第26-27页 |
| ·单任务请求模式下的服务组合与优选技术 | 第27-31页 |
| ·面向单任务的服务组合与优化技术 | 第27-30页 |
| ·面向单任务的服务组合与优化技术特征分析 | 第30-31页 |
| ·多任务请求模式下的服务组合与优选技术 | 第31-37页 |
| ·案例分析 | 第31-34页 |
| ·多任务请求模式下的不同组合模式 | 第34-37页 |
| ·框架下的关键技术问题 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 3 一对一型组合模式的服务组合与优化技术 | 第40-58页 |
| ·引言 | 第40-41页 |
| ·研究现状 | 第41-42页 |
| ·问题建模 | 第42-47页 |
| ·问题描述 | 第42-43页 |
| ·模型建立 | 第43-46页 |
| ·问题模型讨论 | 第46-47页 |
| ·算法求解 | 第47-51页 |
| ·矩阵编码 | 第47-48页 |
| ·初始种群的产生 | 第48页 |
| ·选择算子 | 第48页 |
| ·交叉算子 | 第48-50页 |
| ·变异算子 | 第50页 |
| ·适应值函数与约束处理 | 第50-51页 |
| ·算法的时间复杂度分析 | 第51页 |
| ·仿真实验 | 第51-57页 |
| ·本章小结 | 第57-58页 |
| 4 多对一型组合模式的服务组合与优化技术 | 第58-84页 |
| ·引言 | 第58-60页 |
| ·研究现状 | 第60-61页 |
| ·MCET 组合模式下的全局策略 | 第61-63页 |
| ·问题模型 | 第63-71页 |
| ·问题描述 | 第63-64页 |
| ·问题建模 | 第64-71页 |
| ·算法求解 | 第71-76页 |
| ·遗传算法的基本思想 | 第71页 |
| ·优化问题的遗传算法实现 | 第71-76页 |
| ·仿真实验 | 第76-82页 |
| ·遗传算法的参数预实验 | 第77-78页 |
| ·MCET 组合模式下的全局策略验证 | 第78-80页 |
| ·优化问题算法实现的性能验证 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 5 多对多型组合模式的服务组合与优化技术 | 第84-106页 |
| ·引言 | 第84-85页 |
| ·研究现状 | 第85-90页 |
| ·面向多任务全局策略的一般框架 | 第90-91页 |
| ·问题模型 | 第91-96页 |
| ·问题描述 | 第91-93页 |
| ·问题建模 | 第93-96页 |
| ·算法实现 | 第96-100页 |
| ·基于混合算子的协同进化矩阵遗传算法 | 第96页 |
| ·优化问题的遗传算法实现 | 第96-100页 |
| ·仿真实验 | 第100-105页 |
| ·全局策略的对比实验 | 第101-103页 |
| ·优化算法的性能 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 6 总结与展望 | 第106-109页 |
| ·本文的主要工作和贡献 | 第106-107页 |
| ·后续研究工作展望 | 第107-109页 |
| 致谢 | 第109-110页 |
| 参考文献 | 第110-119页 |
| 附录 | 第119页 |
| A. 攻读博士学位期间发表的论文 | 第119页 |
| B. 攻读博士学位期间参加的主要科研项目 | 第119页 |