| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 加工过程质量信息系统 | 第18-26页 |
| 2.1 计算机集成制造系统 CIMS 概述 | 第18页 |
| 2.2 质量信息系统(QIMS)的发展概况 | 第18-19页 |
| 2.3 加工过程质量信息管理系统(QIMS) | 第19-25页 |
| 2.3.1 集成质量系统(IQS)的结构模型 | 第19-21页 |
| 2.3.2 加工过程的质量信息管理系统(IQMS)的功能模型 | 第21-22页 |
| 2.3.3 系统数据库设计 | 第22-24页 |
| 2.3.4 基于 QIMS 的加工过程路径优化问题 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 加工过程的路径优化问题 | 第26-34页 |
| 3.1 路径优化的数学模型及描述 | 第26-27页 |
| 3.2 路径优化问题的应用意义及发展现状 | 第27-32页 |
| 3.2.1 精确优化算法 | 第27-28页 |
| 3.2.2 近似优化算法 | 第28-32页 |
| 3.3 本章小结 | 第32-34页 |
| 4 智能化算法及相互融合 | 第34-43页 |
| 4.1 智能化算法的概述 | 第34页 |
| 4.2 智能优化算法的特点 | 第34-35页 |
| 4.3 对几种融合算法的综合分析 | 第35-38页 |
| 4.3.1 蚁群算法与 R-opt 算法融合 | 第35-37页 |
| 4.3.2 蚁群算法与改进的局部搜索算法融合 | 第37-38页 |
| 4.4 构造路径优化的智能化融合算法 | 第38-40页 |
| 4.4.1 LK 与 LK 的改进局部搜索算法 | 第38-40页 |
| 4.4.2 模拟退火算法中的 Metropolis 准则 | 第40页 |
| 4.4.3 改进的蚁群算法 | 第40页 |
| 4.5 构造智能融合算法(ALCO) | 第40-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 智能融合算法在群孔加工路径优化中的应用 | 第43-47页 |
| 5.1 群孔加工路径优化 | 第43-44页 |
| 5.1.1 群孔加工最小成本优化模型 | 第43-44页 |
| 5.2 智能融合算法(ALCO)在群孔加工中的应用 | 第44-46页 |
| 5.2.1 建立群孔加工路径优化问题模型 | 第44-45页 |
| 5.2.2 算法仿真实现 | 第45-46页 |
| 5.3 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
