蚁群优化算法在带有拒绝的多目标批调度问题中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-19页 |
| 1.1 调度问题概述 | 第8-12页 |
| 1.1.1 调度问题的研究背景 | 第8-9页 |
| 1.1.2 调度问题的基本描述 | 第9-12页 |
| 1.1.3 调度问题的基本分类 | 第12页 |
| 1.2 批调度问题 | 第12-13页 |
| 1.3 批调度问题的研究现状 | 第13-17页 |
| 1.3.1 单机环境下批调度问题 | 第14-15页 |
| 1.3.2 多机环境下批调度问题 | 第15-16页 |
| 1.3.3 考虑拒绝成本批调度问题 | 第16-17页 |
| 1.4 论文研究内容与结构安排 | 第17-19页 |
| 1.4.1 论文的研究内容 | 第17页 |
| 1.4.2 论文的结构安排 | 第17-19页 |
| 第二章 批调度问题求解方法 | 第19-25页 |
| 2.1 确定性算法 | 第19-20页 |
| 2.2 启发式算法 | 第20-22页 |
| 2.3 元启发式算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 考虑拒绝成本的多目标平行批调度算法研究 | 第25-40页 |
| 3.1 问题描述 | 第25-27页 |
| 3.2 问题下界和确定性求解算法 | 第27-32页 |
| 3.2.1 下界算法 | 第27-30页 |
| 3.2.2 确定性算法 | 第30-32页 |
| 3.3 基于ACO的元启发式算法 | 第32-39页 |
| 3.3.1 解的编码 | 第32页 |
| 3.3.2 信息素的定义 | 第32-33页 |
| 3.3.3 启发式信息 | 第33-34页 |
| 3.3.4 候选列表 | 第34页 |
| 3.3.5 状态转移概率 | 第34-35页 |
| 3.3.6 机器选择机制 | 第35页 |
| 3.3.7 信息素的更新 | 第35-36页 |
| 3.3.8 解的构建 | 第36页 |
| 3.3.9 局部优化策略 | 第36-37页 |
| 3.3.10 算法描述 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 仿真实验与结果分析 | 第40-60页 |
| 4.1 实验设计 | 第41-42页 |
| 4.2 参数设置 | 第42页 |
| 4.3 实验结果与分析 | 第42-59页 |
| 4.3.1 LACO算法的结果分析 | 第42-48页 |
| 4.3.2 PACO算法的结果分析 | 第48-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 图目录 | 第67-68页 |
| 表目录 | 第68-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 攻读硕士学位期间参加的科研项目 | 第71页 |
