摘要4-6
Abstract6-14
1 绪论14-31
1.1 探讨背景14
1.2 探讨作用14-15
1.3 车间调度不足15-22
1.3.1 JSP描述15-16
1.3.2 JSP分类16
1.3.3 JSP特点16-17
1.3.4 JSP探讨策略17-22
1.4 柔性作业车间调度不足22-25
1.4.1 不足描述22-23
1.4.2 常用性能指标23-24
1.4.3 柔性作业车间调度不足的国内外探讨概况24-25
1.5 群智能优化算法探讨近况25-29
1.5.1 蚁群优化算法探讨近况26-27
1.5.2 粒子群优化算法探讨近况27-29
1.6 本论文探讨内容及章节安排29-31
2 基于单目标柔性作业车间调度的蚁群算法改善31-52
2.1 引言31
2.2 蚁群优化算法31-36
2.2.1 蚁群优化算法拟生物学基本原理及机理抽象31-34
2.2.2 蚁群优化算法论述模型34
2.2.3 蚁群优化算法特点34-35
2.2.4 基于种群进化的相关算法比较35-36
2.3 单目标FJSP的数学模型36-39
2.3.1 不足描述36-37
2.3.2 数学模型37-39
2.3.3 评价指标39
2.4 FJSP的编码策略39-42
2.4.1 两向量编码策略39-40
2.4.2 并行作业编码策略40-41
2.4.3 基于优先权的编码策略41
2.4.4 工序机器编码策略41-42
2.5 求解单目标FJSP的蚁群优化算法改善42-48
2.5.1 蚁群算法基本结构42-43
2.5.2 改善后的算法描述43-45
2.5.3 改善后的算法规则45-48
2.6 实验结果与浅析48-51
2.6.1 具有12个工序的4×5不足48-49
2.6.2 具有27个工序的8×8不足49-51
2.7 本章小结51-52
3 基于多目标柔性作业车间调度的蚁群算法改善52-64
3.1 引言52
3.2 多目标不足的优化策略52-58
3.2.1 多目标不足的基本概念52-54
3.2.2 多目标优化策略54-55
3.2.3 多目标FJSP探讨近况55-58
3.3 求解多目标FJSP的蚁群优化算法改善58-61
3.3.1 多目标FJSP的数学模型的建立58
3.3.2 蚁群启发式信息设计58-59
3.3.3 算法流程59-61
3.3.4 参数设置61
3.4 实验结果与浅析61-63
3.4.1 具有12个工序的4x5不足61-62
3.4.2 具有27个工序的8×8不足62-63
3.5 本章小结63-64
4 改善的粒子群优化算法在柔性作业车间调度中的运用探讨64-83
4.1 引言64-65
4.1.1 探讨背景64
4.1.2 有着的不足64-65
4.2 基本粒子群优化算法65-67
4.3 PSO算法的改善措施67-69
4.4 PSO算法的性能浅析69-71
4.5 求解单目标FJSP的PSO算法设计71-79
4.5.1 编码策略71-72
4.5.2 位置与速度的计算72-73
4.5.3 参数设置73-74
4.5.4 局部搜索对策74-76
4.5.5 算法流程76-77
4.5.6 实验结果与浅析77-79
4.6 求解多目标FJSP的PSO算法设计79-82
4.6.1 粒子适应度79-80
4.6.2 算法流程80-81
4.6.3 算法实验及结果浅析81-82
4.7 本章小结82-83
5 基于多目标柔性作业车间调度不足的二阶式蚁群粒子群混合优化算法设计83-94
5.1 引言83
5.2 TSAPO算法框架设计83-84
5.3 多目标分解84-85
5.4 多目标FJSP的二阶式蚁群粒子群优化算法实现85-90
5.4.1 工序可选加工机器析取模型的建立85-86
5.4.2 第一阶蚁群启发式信息设计86
5.4.3 第二阶粒子群解码设计86-87
5.4.4 TSAPO算法流程设计87-90
5.5 算法实验90-92
5.5.1 实验参数的设定90-91
5.5.2 实验结果91-92
5.6 本章小结92-94
结论94-96
1 探讨总结94-95
2 探讨展望95-96