更新时间：2024-01-19 16:18:58
封面
版权信息
作者简介
内容简介
前言
1 绪论
1.1 研究背景
1.2 国内外相关研究现状
◎1.2.1 作业切换
◎1.2.2 成组技术
◎1.2.3 Job-shop调度
◎1.2.4 成组调度研究现状
1.3 研究目的、意义
1.4 研究内容、方法、技术路线
◎1.4.1 研究内容
◎1.4.2 研究方法
◎1.4.3 技术路线
1.5 本书的创新之处
1.6 本章小结
2 Job-shop最优作业切换的成组调度模型与关键技术
2.1 引言
2.2 Job-shop最优作业切换问题
◎2.2.1 Job-shop调度
◎2.2.2 Job-shop作业切换
◎2.2.3 Job-shop作业切换影响因素分析
◎2.2.4 最优作业切换问题的提出
2.3 基于成组技术的最优作业切换的Jobshop调度模型
◎2.3.1 面向Job-shop最优作业切换成组调度
◎2.3.2 基于成组技术的最优作业切换的Job-shop调度模型
2.4 面向最优作业切换的Job-shop成组调度关键技术
◎2.4.1 零件聚类成组
◎2.4.2 基于成组技术的最优作业切换单机调度问题
◎2.4.3 基于成组技术的最优作业切换不相关并行机调度问题
◎2.4.4 基于成组技术的最优作业切换柔性Jobshop调度问题
2.5 本章小结
3 基于加工资源相似度的聚类成组研究
3.1 引言
3.2 加工资源特征
3.3 加工资源相似性度量
◎3.3.1 建立编码矩阵
◎3.3.2 加工资源的加权相似性度量
3.4 基于加工资源相似的零件聚类成组遗传算法
◎3.4.1 聚类效果评价
◎3.4.2 目标函数
◎3.4.3 分组编码
◎3.4.4 种群初始化
◎3.4.5 适应度函数
◎3.4.6 选择操作
◎3.4.7 交叉操作
◎3.4.8 变异操作
3.5 实例验证
◎3.5.1 数据生成
◎3.5.2 计算结果
3.6 本章小结
4 基于EDD-SDSTACO启发规则的最优作业切换单机成组调度研究
4.1 引言
4.2 问题描述
4.3 模型构建
4.4 EDD-SDST-ACO启发式规则
◎4.4.1 蚁群算法
◎4.4.2 工件组排序
◎4.4.3 工件组内排序
◎4.4.4 信息素更新策略
◎4.4.5 EDD-SDST-ACO算法流程
4.5 EDD-SDST-ACO启发式规则有效性验证
◎4.5.1 数据生成
◎4.5.2 参数设置
◎4.5.3 计算结果
4.6 实证研究
4.7 本章小结
5 基于GATS混合算法的最优作业切换不相关并行机成组调度研究
5.1 引言
5.2 问题描述
5.3 模型构建
5.4 算法设计
◎5.4.1 种群初始化
◎5.4.2 适应度函数
◎5.4.3 获得初始解
◎5.4.4 邻域生成方法
◎5.4.5 交叉操作
◎5.4.6 变异操作
◎5.4.7 遗传禁忌搜索算法流程
5.5 算法有效性验证
◎5.5.1 数据生成
◎5.5.2 算法参数设置
◎5.5.3 计算结果
5.6 本章小结
6 基于QCSO混合算法的最优作业切换柔性Job-shop调度研究
6.1 引言
6.2 问题描述
6.3 模型构建
6.4 算法设计
◎6.4.1 编码机制
◎6.4.2 解码机制
◎6.4.3 搜索模式
◎6.4.4 跟踪模式
◎6.4.5 量子旋转角更新
◎6.4.6 适应度函数
◎6.4.7 量子猫群优化算法流程
6.5 算法有效性验证
