| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 相关研究现状评析 | 第12-17页 |
| 1.2.1 传统项目调度的研究现状 | 第12-13页 |
| 1.2.2 项目模糊调度的研究现状 | 第13-14页 |
| 1.2.3 多目标项目模糊调度的研究现状 | 第14-15页 |
| 1.2.4 现有基于遗传算法解决多目标项目调度问题的评析 | 第15-17页 |
| 1.3 研究方法与主要内容 | 第17-20页 |
| 1.3.1 研究方法 | 第17-18页 |
| 1.3.2 主要内容及框架 | 第18-20页 |
| 第2章 相关理论基础 | 第20-30页 |
| 2.1 模糊理论概述 | 第20-25页 |
| 2.1.1 模糊集合 | 第20-22页 |
| 2.1.2 模糊数的运算与评价 | 第22-25页 |
| 2.2 多目标优化理论概述 | 第25-30页 |
| 2.2.1 多目标优化问题的数学模型 | 第25-27页 |
| 2.2.2 多目标优化问题的基本概念 | 第27页 |
| 2.2.3 传统多目标优化的求解方法 | 第27-29页 |
| 2.2.4 Pareto优化理论 | 第29-30页 |
| 第3章 单目标项目模糊调度算法设计 | 第30-47页 |
| 3.1 单目标项目模糊调度描述与模型 | 第30-31页 |
| 3.1.1 单目标项目模糊调度问题描述 | 第30页 |
| 3.1.2 单目标项目模糊调度模型 | 第30-31页 |
| 3.2 单目标项目模糊调度的遗传算法设计 | 第31-39页 |
| 3.2.1 遗传算法的编码和解码设计 | 第31-33页 |
| 3.2.2 遗传算法的选择算子 | 第33-34页 |
| 3.2.3 遗传算法的交叉算子和变异算子 | 第34-36页 |
| 3.2.4 遗传算法计算流程 | 第36-37页 |
| 3.2.5 遗传算法的不足 | 第37-39页 |
| 3.3 改进的混合型遗传—模拟退火算法设计 | 第39-43页 |
| 3.3.1 编码的确定 | 第39页 |
| 3.3.2 初始种群的产生 | 第39-40页 |
| 3.3.3 适应度函数的确定 | 第40页 |
| 3.3.4 遗传操作 | 第40-41页 |
| 3.3.5 模拟退火操作 | 第41-43页 |
| 3.4 数值实验结果 | 第43-47页 |
| 第4章 多目标项目模糊调度算法设计 | 第47-60页 |
| 4.1 多目标项目模糊调度描述和模型构建 | 第47-48页 |
| 4.1.1 多目标项目模糊调度问题描述 | 第47页 |
| 4.1.2 多目标项目模糊调度模型构建 | 第47-48页 |
| 4.2 多目标项目模糊调度遗传算法设计 | 第48-52页 |
| 4.2.1 编码方案和解码规则 | 第49页 |
| 4.2.2 初始种群的产生 | 第49页 |
| 4.2.3 适应值函数 | 第49-51页 |
| 4.2.4 选择算子 | 第51页 |
| 4.2.5 交叉算子 | 第51-52页 |
| 4.2.6 变异算子 | 第52页 |
| 4.2.7 终止条件 | 第52页 |
| 4.3 多目标项目模糊调度算法流程 | 第52-54页 |
| 4.4 数值实验结果 | 第54-60页 |
| 第5章 结论及展望 | 第60-63页 |
| 5.1 研究结论 | 第60-61页 |
| 5.2 研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-87页 |
| 致谢 | 第87页 |