| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 网络化制造模型的研究现状 | 第10页 |
| 1.2.2 网络化制造模型求解方法的研究现状 | 第10-11页 |
| 1.3 研究的主要内容 | 第11-12页 |
| 第2章 网络化离散制造模式构建 | 第12-28页 |
| 2.1 网络化制造 | 第12-14页 |
| 2.1.1 网络化制造的定义 | 第12页 |
| 2.1.2 关键技术 | 第12-13页 |
| 2.1.3 研究领域 | 第13-14页 |
| 2.2 连续制造与离散制造 | 第14-15页 |
| 2.2.1 连续制造 | 第14页 |
| 2.2.2 离散制造 | 第14-15页 |
| 2.3 网络化离散制造模式 | 第15-28页 |
| 2.3.1 网络化离散制造定义 | 第15-20页 |
| 2.3.2 任务状态与时间 | 第20页 |
| 2.3.3 单任务整体分配模式 | 第20-21页 |
| 2.3.4 单任务分解分配模式 | 第21-25页 |
| 2.3.5 多任务整体最优分配模式 | 第25-28页 |
| 第3章 网络化离散制造多目标优化方法 | 第28-38页 |
| 3.1 多目标优化 | 第28-30页 |
| 3.1.1 多目标优化的定义 | 第28页 |
| 3.1.2 多目标模型处理 | 第28-29页 |
| 3.1.3 pareto 解 | 第29-30页 |
| 3.2 常用的多目标优化方法 | 第30-34页 |
| 3.2.1 多目标规划法 | 第30页 |
| 3.2.2 分层序列法 | 第30-31页 |
| 3.2.3 Pareto 遗传算法（PGA） | 第31-32页 |
| 3.2.4 非支配排序的遗传算法（Non-dominated Sorting Genetic Algorithm, NSGA）和NSGA- II | 第32-34页 |
| 3.3 多目标优化方法改进 | 第34-38页 |
| 3.3.1 遗传分层序列法（Lexicographic Method Based on Genetic Algorithm, LMGA） | 第34-35页 |
| 3.3.2 强 Pareto 解的遗传算法(Strong Pareto Genetic Algorithm, SPGA) | 第35-38页 |
| 第4章 算例分析 | 第38-53页 |
| 4.1 算例描述 | 第38-41页 |
| 4.1.1 数据准备 | 第38-40页 |
| 4.1.2 多任务资源分配 | 第40-41页 |
| 4.2 算法设计 | 第41-46页 |
| 4.2.1 编码 | 第41页 |
| 4.2.2 初始种群 | 第41-42页 |
| 4.2.3 适应度函数 | 第42-43页 |
| 4.2.4 遗传策略 | 第43-45页 |
| 4.2.5 终止条件 | 第45页 |
| 4.2.6 参数整理 | 第45-46页 |
| 4.3 计算实验 | 第46-47页 |
| 4.3.1 实验平台 | 第46-47页 |
| 4.3.2 多任务资源分配模型求解 | 第47页 |
| 4.4 算法分析 | 第47-53页 |
| 4.4.1 不同进化代数的计算结果 | 第47-49页 |
| 4.4.2 NSGA-II 与 SPGA 算法执行时间 | 第49-50页 |
| 4.4.3 SPGA 的强 Pareto 参数选择 | 第50页 |
| 4.4.4 制造时间与成本比较 | 第50-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 结论 | 第53页 |
| 5.2 研究展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录1 MATLAB 源程序代码 | 第59-68页 |
| 附录2 攻读硕士学位期间发表的论文 | 第68-69页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 详细摘要 | 第70-74页 |
