多机多阶段Flowshop双目标生产调度问题的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·研究背景和意义 | 第11-12页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·生产调度简介 | 第12-14页 |
| ·生产调度含义 | 第12页 |
| ·生产调度分类 | 第12-14页 |
| ·多目标优化概述 | 第14-15页 |
| ·多目标研究的历史与现状 | 第14页 |
| ·多目标算法及其不足 | 第14-15页 |
| ·全文内容安排 | 第15-16页 |
| 2. 多目标优化方法 | 第16-26页 |
| ·引言 | 第16页 |
| ·多目标优化问题的一般描述 | 第16-18页 |
| ·传统多目标优化方法 | 第18-20页 |
| ·加权系数法 | 第18-19页 |
| ·约束法 | 第19页 |
| ·交互式法 | 第19-20页 |
| ·多目标进化算法 | 第20-24页 |
| ·适应度评价 | 第21-22页 |
| ·多样性保持 | 第22-24页 |
| ·收敛性分析 | 第24页 |
| ·约束处理 | 第24页 |
| ·性能评估 | 第24页 |
| ·本章小结 | 第24-26页 |
| 3. 基于遗传算法的多目标优化方法 | 第26-46页 |
| ·引言 | 第26页 |
| ·问题的提出 | 第26-30页 |
| ·数学模型的建立 | 第30-32页 |
| ·遗传算法 | 第32-35页 |
| ·遗传算法概述 | 第32页 |
| ·遗传算法的基本思想 | 第32-35页 |
| ·多目标遗传算法的设计 | 第35-42页 |
| ·适应度共享策略 | 第35-37页 |
| ·编码方式 | 第37-38页 |
| ·子代选择 | 第38-39页 |
| ·遗传操作 | 第39-40页 |
| ·算法具体流程 | 第40-41页 |
| ·求解 FLOWSHOP 遗传算法 | 第41-42页 |
| ·仿真实验 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 4. 基于遗传粒子群混合算法的多目标优化方法 | 第46-60页 |
| ·引言 | 第46页 |
| ·粒子群算法 | 第46-49页 |
| ·粒子群算法基本原理 | 第46页 |
| ·粒子群算法的基本步骤 | 第46-48页 |
| ·粒子群算法的应用领域 | 第48-49页 |
| ·遗传粒子群混合算法设计 | 第49-55页 |
| ·两种算法的比较 | 第49页 |
| ·混合算法的基本思想 | 第49-50页 |
| ·混合算法流程 | 第50-55页 |
| ·仿真实验 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 5. 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
