| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-22页 |
| ·多工序传送带给料加工站系统 | 第13页 |
| ·多工序 CSPS 系统背景和意义 | 第13-15页 |
| ·多 Agent 系统 | 第15-16页 |
| ·CSPS 问题的研究方法 | 第16-20页 |
| ·马尔科夫决策模型 | 第17页 |
| ·半马尔科夫决策模型 | 第17-18页 |
| ·强化学习 | 第18-20页 |
| ·论文主要内容和组织结构 | 第20-22页 |
| 第二章 多工序传送带给料加工站系统 | 第22-29页 |
| ·多工序 CSPS 系统的物理模型 | 第22-23页 |
| ·多工序 CSPS 系统的特点 | 第23页 |
| ·固定站点的数学模型 | 第23-25页 |
| ·柔性站点的数学模型 | 第25-28页 |
| ·符号说明 | 第25-26页 |
| ·数学模型 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 多工序 CSPS 系统基于 CMAC 网络优化控制研究 | 第29-44页 |
| ·固定站点的代价函数和优化算法 | 第29-33页 |
| ·固定站点的代价函数定义 | 第29-30页 |
| ·固定站点的优化算法-Wolf-PHC 学习算法 | 第30-33页 |
| ·柔性站点的代价函数和优化算法 | 第33-37页 |
| ·柔性站点的代价函数定义 | 第33-35页 |
| ·柔性站点基于 CMAC 网络算法 | 第35-37页 |
| ·实验结果 | 第37-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 多工序 CSPS 系统基于 RBF 网络优化控制研究 | 第44-51页 |
| ·状态聚类 | 第44-47页 |
| ·谱系聚类法 | 第44-45页 |
| ·状态聚类过程 | 第45-47页 |
| ·RBF 神经网络 | 第47-48页 |
| ·RBF 神经网络简介 | 第47页 |
| ·RBF 神经网络结构与原理 | 第47-48页 |
| ·基于状态聚类的 RBF 网络的切换控制优化方法 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间主要科研工作和成果 | 第57-59页 |