摘要 | 第5-7页 |
abstract | 第7-9页 |
第1章 绪论 | 第17-20页 |
1.1 课题来源及研究背景 | 第17页 |
1.1.1 课题来源 | 第17页 |
1.1.2 研究背景 | 第17页 |
1.2 柔性作业车间调度国内外研究现状 | 第17-18页 |
1.2.1 国内外研究现状 | 第17-18页 |
1.2.2 存在的问题 | 第18页 |
1.3 研究意义及研究内容 | 第18-19页 |
1.3.1 研究意义 | 第18-19页 |
1.3.2 研究内容 | 第19页 |
1.4 本章小结 | 第19-20页 |
第2章 单目标柔性作业车间柔性作业车间调度研究 | 第20-32页 |
2.1 引言 | 第20页 |
2.2 单目标柔性作业车间调度模型 | 第20-22页 |
2.3 改进的多种群遗传算法 | 第22-24页 |
2.4 多种群遗传算法设计 | 第24-28页 |
2.4.1 编码 | 第24页 |
2.4.2 解码 | 第24-25页 |
2.4.3 交叉操作 | 第25-26页 |
2.4.4 变异操作 | 第26-27页 |
2.4.5 定向进化 | 第27-28页 |
2.4.6 淘汰复活机制 | 第28页 |
2.5 实验结果与分析 | 第28-31页 |
2.5.1实验1 | 第28-30页 |
2.5.2实验2 | 第30-31页 |
2.6 本章小结 | 第31-32页 |
第3章 基于改进遗传算法的作业车间与AGV混合调度研究 | 第32-43页 |
3.1 引言 | 第32页 |
3.2 混合调度模型 | 第32-34页 |
3.2.1 FJSP的约束条件 | 第32页 |
3.2.2 AGV小车的调度的约束条件 | 第32-33页 |
3.2.3 混合调度的约束条件 | 第33页 |
3.2.4 混合调度的数学模型 | 第33-34页 |
3.3 改进遗传算法流程 | 第34-36页 |
3.4 改进遗传算法的设计方案 | 第36-40页 |
3.4.1 编码与解码 | 第36-38页 |
3.4.2 选择操作 | 第38页 |
3.4.3 改进的交叉和变异概率公式 | 第38-39页 |
3.4.4 适应度 | 第39-40页 |
3.5 实验结果与分析 | 第40-42页 |
3.6 本章小结 | 第42-43页 |
第4章 基于改进遗传算法的多目标柔性作业车间调度研究 | 第43-55页 |
4.1 引言 | 第43页 |
4.2 多目标的FJSP调度模型的建立 | 第43-45页 |
4.2.1 各机器的耗电量的数学模型 | 第43-44页 |
4.2.2 工人操作机器舒适度的数学模型 | 第44页 |
4.2.3 权重比计算公式 | 第44-45页 |
4.3 改进遗传算法的流程 | 第45-46页 |
4.4 改进遗传算法的设计方案 | 第46-48页 |
4.5 试验与分析 | 第48-54页 |
4.5.1实验1 | 第49页 |
4.5.2实验2 | 第49-51页 |
4.5.3实验3 | 第51-54页 |
4.6 本章小结 | 第54-55页 |
第5章 基于可变重调度区间的柔性作业车间动态调度策略 | 第55-74页 |
5.1 引言 | 第55页 |
5.2 对动态事件的描述 | 第55-56页 |
5.3 动态柔性作业车间调度模型 | 第56-58页 |
5.3.1 相关数学符号 | 第56-57页 |
5.3.2 柔性作业车间调度模型 | 第57-58页 |
5.4 基于可变重调度区间动态重调度策略 | 第58-61页 |
5.5 改进的遗传算法设计方案 | 第61-63页 |
5.6 实验与结果分析 | 第63-73页 |
5.6.1 实验一 | 第63-67页 |
5.6.2 实验二 | 第67-73页 |
5.7 本章小结 | 第73-74页 |
第6章 车间调度的程序实现 | 第74-82页 |
6.1 引言 | 第74页 |
6.2 软件结构 | 第74页 |
6.3 登陆界面 | 第74-76页 |
6.4 柔性作业车间调度系统 | 第76-78页 |
6.5 车间调度模块 | 第78-81页 |
6.5.1 单目标FJSP模块 | 第78-79页 |
6.5.2 多目标FJSP模块 | 第79-80页 |
6.5.3 动态FJSP模块 | 第80-81页 |
6.6 本章小结 | 第81-82页 |
第7章 总结与展望 | 第82-83页 |
7.1 总结 | 第82页 |
7.2 展望 | 第82-83页 |
参考文献 | 第83-89页 |
硕士学习期间获得的科研成果 | 第89-93页 |
致谢 | 第93-94页 |