| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-10页 |
| ·问题产生的背景 | 第8-9页 |
| ·本文的结构与重点 | 第9-10页 |
| 第二章 智能调度研究 | 第10-14页 |
| ·经典的智能调度 | 第10-11页 |
| ·智能调度问题模型 | 第11-12页 |
| ·调度和约束满足(Constraint Satisfaction) | 第12-13页 |
| ·约束满足方法求解调度问题的局 | 第13-14页 |
| 第三章 遗传算法研究 | 第14-23页 |
| ·遗传算法概述 | 第14-17页 |
| ·遗传算法的基本思想 | 第14页 |
| ·遗传算法的基本操作 | 第14-16页 |
| ·遗传算法的基本流程 | 第16页 |
| ·遗传算法的特点 | 第16-17页 |
| ·遗传算法的应用关键 | 第17页 |
| ·遗传算法的数学基础 | 第17-20页 |
| ·模式定理及其意义 | 第18页 |
| ·积木块假设及其意义 | 第18-19页 |
| ·收敛性分析 | 第19页 |
| ·欺骗性问题 | 第19-20页 |
| ·隐式并行性 | 第20页 |
| ·遗传算法参数与操作的设计 | 第20-22页 |
| ·遗传算法的改进 | 第22页 |
| ·遗传算法的应用 | 第22-23页 |
| 第四章 Job-Shop问题研究 | 第23-26页 |
| ·Job-Shop问题的介绍 | 第23页 |
| ·Job-Shop问题模型 | 第23-24页 |
| ·Job-Shop问题的复杂性 | 第24页 |
| ·Job-Shop求解方法的研究 | 第24-26页 |
| ·最优化方法 | 第24页 |
| ·近似/启发式方法 | 第24-26页 |
| ·人工智能技术 | 第24-25页 |
| ·遗传算法 | 第25-26页 |
| 第五章 用遗传算法求解车间调度问题 | 第26-47页 |
| ·基于工件加工(Job Shop)的车间生产调度问题 | 第26-27页 |
| ·车间作业调度问题的抽象化模型描述 | 第26页 |
| ·问题的约束条件 | 第26-27页 |
| ·模型建立 | 第27-28页 |
| 技术约束的描述 | 第27-28页 |
| ·JSP析取图描述及其意义 | 第28-29页 |
| ·基于遗传算法的模型 | 第29-32页 |
| ·遗传算法的基本流程 | 第29-30页 |
| ·基于操作的编码 | 第30页 |
| ·编码算法 | 第30页 |
| ·染色体的实际意义 | 第30页 |
| ·解码及活动化解码算法 | 第30-31页 |
| ·基本操作的设计 | 第31-32页 |
| ·变异操作 | 第31页 |
| ·交叉操作 | 第31-32页 |
| ·选择操作 | 第32页 |
| ·算法设计与实现 | 第32-44页 |
| ·获得最优解的一般算法 | 第32页 |
| ·数据结构与遗传算法参数设计 | 第32-33页 |
| ·主程序设计的伪代码描述 | 第33-34页 |
| ·重要函数的伪代码描述 | 第34-44页 |
| ·存在的问题 | 第44页 |
| ·快速获得较优解的一个设想及其实现方法 | 第44-46页 |
| ·遗传算法的一个结论 | 第44页 |
| ·贪婪法思想的启发 | 第44页 |
| ·将贪婪法思想用于该问题的一个设想 | 第44-45页 |
| ·主程序设计的伪代码描述 | 第45-46页 |
| ·函数设计的伪代码描述 | 第46页 |
| ·小结 | 第46-47页 |
| 第六章 问题的总结与展望 | 第47-50页 |
| ·问题总结 | 第47页 |
| ·研究展望 | 第47-50页 |
| 参考文献 | 第50-51页 |
| 致谢 | 第51页 |