一、基于启发式算法的并行多机调度问题研究（论文文献综述）
柳晨[1]（2021）在《遗传算法在A企业并行多机车间调度问题的应用研究》文中研究指明在智能制造作为中国制造业2025规划刚要的重要战略背景下,快消行业引来了弯道超车的发展格局,A企业的发展到了整体规划、协同布局、模式转型的战略阶段。随着A企业生产车间产线的增加、资源有限等约束条件的限制,现有的排产计划已无法满足工厂排产的需求。数字化的车间调度解决方案,对工厂生产的平稳进行起着至关重要的作用,合理有效的排产计划可以大大减轻计划员的工作,避免因人为失误和资源分配不合理等问题而浪费产能。A企业冰淇凌成品包装线的调度问题有其独特的特点,首先它的生产设备属于不相关并行机,其次它的产线有不同的类别优先级,优先级越高越重要的需要排在一起,并且某些任务具有指定的加工顺序要求。因此本研究以分配和排序为关键决策,以总完工时间最小为调度目标,根据A企业的实际需求建立了A企业并行多机车间调度问题的相关模型,并使用一种改进的遗传策略得出了切实可行的调度方案。在传统的遗传算法中,由于交叉操作产生的子代可能无法很好的遗传父代的优良特征,交叉操作和变异操作可能会导致得之不易的优良解被破坏或者丢失,在约束条件较多的情况下难以快速有效的得到一个满意的解决方案。而A企业冰淇凌生产调度车间的实际需求约束较多,因此为了更好的解决A企业冰淇凌成品包装线的调度问题,本研究在传统遗传算法的基础上进行了一些改进,将父代初始种群中的优秀个体和交叉产生的优秀个体复制保留在一个外部解集中,用保留在外部解集中的优秀个体替换经过选择交叉变异等操作后适应度较低的若干个体,这样可以极大地避免优良解被破坏,同时将交叉概率设置为较大值0.99,以提高算法的运行效率和物种多样性,总体上提升了得到更优秀的解的概率。为了验证该算法在解决A企业多机器并行车间调度问题上的有效性,本研究使用了10个周期的数据进行测试。将测试结果与传统遗传算法的求解效果以及调用CPLEX求解器求得的最优解进行对比,最终得出本文所使用的改进的遗传策略在求解A企业多机器并行车间调度问题上是可行且高效的。
罗薛嵘[2]（2021）在《多品种小批量模式下的成组调度研究》文中研究指明随着工业化进程的加速,传统制造业的大批量生产模式已经无法满足现在市场的需求。现在更多的产品是由客户定制化生产,这使得生产特征逐渐转变为多品种、小批量,也导致了加工过程中频繁的作业转换,降低生产效率和设备利用率。因此,针对车间越来越多的作业转换问题,开展对多品种小批量模式下成组调度的研究是很有必要的。本论文受四川省重大科技专项项目“电子产品复杂精密件数字化车间关键技术研究及应用示范”（立项编号2020ZDZX0025）资助,以多品种小批量模式下的生产车间为研究对象,优化其生产时的调度方案,主要研究内容分为以下几个部分:首先,针对以往工件成组只考虑工件的一种工艺路径的问题,对多工艺路径下的工件成组方法进行模型建立,选取工艺相似性为分类原则,以工件平均相似度为目标,采用改进编码方式的遗传算法求解,并进行算法有效性分析,运用多种电子产品的工艺路径实例验证。其次,以最小化最大完工时间为目标建立单机成组调度模型,设计排序依赖作业转换时间-最短加工时间优先-改进蚁群算法求解,其中主要是以作业转换时间最少的工件优先以及最短加工时间优先的规则生成初始解,采用改进蚁群算法进行寻优。并采用田口设计方法对改进蚁群算法的参数进行优化,通过仿真验证了算法有效性,同时针对某电子产品生产中某工序的加工工件进行单机成组调度实例验证。最后,由于每台设备的加工速度不同,使其加工时间和调整时间也不同,根据排序依赖作业转换时间,先分配各工件组对应的设备,再对各工件组排序进行优化。对此,以最小化最大完工时间为目标建立并行多机成组调度模型,设计排序依赖作业转换时间-最短加工时间优先-遗传模拟退火算法求解,以作业转换时间最少的工件优先以及最短加工时间优先的规则生成初始解,采用遗传模拟退火算法进行寻优。并采用田口设计方法对遗传模拟退火算法的参数进行优化,根据最优的参数组合进行算法有效性验证和实例分析,证明该并行多机成组调度模型和算法的有效性。本文为多品种小批量模式下制造企业的车间调度提供了一些基本的研究思路,为有效改善频繁的作业转换和提高调度算法性能提供了方法支持。
黄佩钰[3]（2020）在《考虑预防性维修与工件到达时间的并行机调度问题研究》文中研究表明随着中国制造2025战略的实施和推进,企业逐渐向数字化、智能化制造转型升级,生产模式从传统的大规模生产转变为大规模定制生产。为了在动态的市场需求下保持企业绩效的稳定,提升生产调度的管理水平尤为重要。由于影响企业效益的直接因素是企业关键工序的机器利用率,而这些工序呈现并行机生产形式,因此并行机调度问题（Parallel Machine Scheduling Problem,PMSP）成为企业生产调度的重点。同时,由于机器停机造成的生产中断影响企业的产出和效益。因此,考虑预防性维修的PMSP研究具有重要的现实意义。PMSP因为多约束与多目标的特征,已被证明是NP-Hard问题,文献中缺乏求解集成考虑预防性维修与工件到达时间的PMSP的有效智能算法,因此本文的研究也具有重要的理论意义。本文以等效PMSP为研究对象,集成考虑了预防性维修与工件到达时间等约束,设计了问题的混合整数规划（Mixed Integer Programming,MIP）模型、启发式算法以及改进NSGA-Ⅱ算法,比较了算法的运行效率和质量,为企业改善生产调度水平,提高效益提供了依据,为企业的数字化、智能化转型奠定了基础。主要研究内容如下:首先,综述了集成预防性维修的PMSP的基本概念以及常用的PMSP求解方法,为本文研究问题的求解方法选择提供依据。其次,研究了集成考虑弹性维修与工件不可中断等约束,以最小化完工时间为目标的P2/nr,FPM/Cmax问题。构建了该问题的两种MIP模型,设计了三种启发式算法以及基于插入与交换操作的改善算法。通过实验比较表明MIP Ⅱ的运行效率与质量均优于MIPⅠ,启发式算法SWA（Sorting While Allocating）及其改善方法优于其他方法,且具有最好的鲁棒性。最后,研究了以P2/nr,FPM/Cmax问题为基础,考虑工件到达时间约束以及最小化拖期工件数目标的Pm/rj,nr,FPM/（Cmax,NT）问题。构建了该问题的MIP模型,设计了求解该问题的NSGA-Ⅱ与NSGA-Ⅱ改进算法（Modified NSGA-Ⅱ,M-NSGA-Ⅱ）。实验结果表明,对于小规模问题（工件数n ≤12）,MIP的运行质量优于M-NSGA-Ⅱ与NSGA-Ⅱ算法,但是运行效率偏低;对于中-大规模问题（工件数n>12）,虽然NSGA-Ⅱ算法的解多样性优于M-NSGA-Ⅱ算法,但运行效率和质量均劣于M-NSGA-Ⅱ算法。
宋庆儒[4]（2020）在《基于装备结构件制造过程的平行批处理机调度问题研究》文中研究说明随着以物联网和大数据为代表的新一代信息技术在装备制造业中广泛应用,装备制造型企业得以全方位地整合产业内外部资源,形成了向智能制造转型升级的战略数字资源,而优化装备制造型企业生产全流程的资源高效配置成为了企业发展转型升级过程中亟待解决的瓶颈需求。因此,为实现柔性化配置资源,并提高装备制造型企业的生产精益化和客户服务化水平,本文将以装备结构件涡轮叶片的实际生产制造过程为研究背景,针对其生产制造过程中存在的批调度优化问题进行研究,本文的主要研究工作如下:（1）研究了基于装备结构件塑形过程的平行机连续批调度问题,基于工件动态到达的情形,同时考虑了学习与恶化效应对实际加工时间的影响,并以最小化制造时间跨度为优化目标建立了问题的研究模型。根据问题结构属性,分别从工件动态到达和学习与恶化效应两个角度研究了单机批调度的最优结构性质,并且设计了一个基于单机批调度问题的两阶段启发式算法。为使研究问题具备一般性,针对平行多处理机情形下的问题假设,本文提出了SC-VNS混合智能算法进行求解,仿真实验结果表明混合SC-VNS算法在解的质量和求解时间等性能表现上具备良好的稳定性,能够有效解决平行多处理机调度问题。（2）研究了基于装备结构件铸造过程的两阶段生产平行机调度问题,工件动态到达两阶段制造系统,问题假设制造系统在第二阶段以平行批的方式处理工件,问题优化目标为最小化制造时间跨度。针对问题的研究假设,本文构建了问题对应的混合整数规划模型,分析了第一阶段调度问题的特点,基于不同情形优化了工件的排序方案,同时还研究第二阶段批调度问题的最优结构性质,并提出了相应启发式策略对模型进行降维。此外,为提高问题求解效率,本文通过设计并行化局部搜索机制改进PVNS算法,同时设计了不同规模的仿真实验评估PVNS算法在求解两阶段生产调度问题的有效性。
廖宝玉[5]（2020）在《考虑恶化或学习效应的分组批调度方法研究》文中研究指明随着新一代信息技术与制造业不断融合,企业制造模式和生产组织方式发生了深刻的变革,制造业生产效率得到显着提升。传统制造业的大批量、少品种的生产制造模式已难以满足日益增长的个性化消费需求。近年来,越来越多的企业纷纷投资和引入基于分组制造和批加工模式的智能调度系统,并采用更加柔性的动态资源模型与方法进行精准排产,从而更好地适应多品种、小批量和个性化定制的生产特点。其中,在动态资源建模中,生产资源的恶化或学习效应被认为是最显着的动态模型特征之一,也是影响智能制造系统稳定性的重要因素。考虑生产资源恶化或学习效应的分组批调度问题已逐渐成为近年来学术研究领域的热点方向。本文以汽车零部件及半导体等离散制造业实际生产过程为背景,面向新一代智能制造系统,基于分组批加工模式,考虑制造资源的恶化或学习效应,系统地分析了企业在单客户和多客户情形下的多种分组批调度问题。根据实际生产特点,在以单一客户订单为主要目标的生产实践中,企业生产线一般较为成熟,生产机器的恶化效应表现明显;而在以多客户订单为目标的情况下,企业往往需要临时增加新的产线以适应动态变化的订单需求,其中成熟产线的机器恶化效应表现明显,而新增产线的工人学习效应则更加突出。基于此,本文重点研究了单客户情形下考虑恶化效应、单客户外包情形下考虑恶化效应、多客户情形下考虑恶化效应和多客户情形下考虑学习效应四个方面的分组批调度问题。本文致力于对这些源于实际的复杂调度问题进行深入的分析,并抽象出高效可用的调度模型,设计出有效的启发式调度规则与智能化调度算法。本文主要研究成果和创新点如下:（1）针对单客户情形下考虑恶化效应的分组批调度问题,构建了单机和多机两种情况下的最优调度规则。其中,对于单机问题,推导出了高效的单机调度算法;对于多机调度问题,利用所提出的最优结构属性和批处理规则,设计了一种混合AIS-VNS算法,该算法结合了人工免疫系统算法（AIS）和变邻域搜索算法（VNS）的各自优点。实验结果表明,该算法在效率和解决方案质量方面相比传统算法都表现出了很好的优势。（2）针对单客户外包情形下考虑恶化效应的分组批调度问题,讨论了特定情况下的该类问题的结构模型,并基于此模型提出了一种有效的混合VNSNKEA算法来解决此类型问题。该算法充分借鉴了基于邻域的进化算法（NKEA）和变邻域搜索算法（VNS）的各自特点,能够高效地求解此类型问题。实验结果表明,混合VNS-NKEA算法可以有效地解决所研究的问题,并表现出更高的求解性能。（3）针对多客户情形下考虑恶化效应的分组批调度问题,构建了基于该类型问题关键结构性质的优化模型,并基于这些结构模型设计了嵌入相关调度规则的决策流程图。同时,进一步提出了一种有效的改进差分进化（DE）搜索算法。该算法借鉴了变邻域搜索算法（VNS）的局部操作策略,可以有效地解决连续批处理机上的该类型调度问题。实验结果表明,改进的DE算法（IDE）相较于其他同类算法,在性能上更加有效和稳定。（4）针对多客户情形下考虑学习效应的分组批调度问题,构建了针对不同工件组的学习效应模型,并提出了针对单机和多机两种情形的批调度规则。其中,对于单机问题,设计了相应的最优化调度算法;对于多机调度问题,设计了一种有效的基于“少即是多（Less is more）”的迭代参考贪婪算法（LIMA-IRG）。该算法通过剔除传统复杂算法效率较低的步骤,提高了求解问题的效率。实验结果表明,相比传统算法,LIMA-IRG算法具有更高的求解效率。最后,基于所研究的核心问题与基本框架,本文还对同时考虑恶化效应和学习效应、考虑更多生产特征及考虑多目标优化等复杂调度问题进行了下一步研究展望。
王镇[6]（2020）在《钢箱梁小节段生产调度优化模型及算法研究》文中指出随着重大工程工厂化建造模式的推广,预制化工厂的生产调度成为保障重大工程现场装配和建造的关键问题。当前,钢箱梁桥梁的建造便广泛采取了此模式,在离场的预制化工厂内生产钢箱梁小节段,并将小节段拼装成钢箱梁大节段,再运送至工程现场进行吊装。钢箱梁小节段生产具有批次生产的特征,在进行生产调度决策时,一方面,需要考虑多胎架容量及尺寸限制、小节段交付期及尺寸限制;另一方面,需要考虑与调度方案相互耦合的加工时长和成品存储时间带来的成本。根据实地调研发现,现场堆积着大量的小节段,而且目前关于预制化工厂内小节段生产调度的研究中,并没有将准时化交付与批次生产、交付结合起来考虑,存在着一定的局限性。本文研究了钢箱梁小节段的批次生产调度问题。首先,构建了钢箱梁小节段生产调度数学模型,在模型中充分考虑小节段批次生产、准时交付的特征,以及多胎架、胎架长度、尺寸限制等约束条件,并以最小化钢箱梁小节段的存储/拖期惩罚成本为目标函数。第二,提出了基本变邻域搜索算法（BVNS）,多机批次调度问题为NP-hard问题,精确求解法在问题规模较大时会显得力不从心,故对变邻域搜索算法进行改进,提出了一种新的启发式方法——基本变邻域搜索算法。算法中主要包含三大内容,分别为:算法基本内容的搭建如编码规则、初始解生成等,shaking准则以及邻域结构的合理设计,shaking准则扩大了解的搜索范围,避免陷入局部最优的情况,并通过邻域结构和局部搜索提高了解的精确度。第三,基于港珠澳大桥建设时钢箱梁小节段的需求数据资料设计算例,验证了本文提出的基本变邻域搜索算法,对于实验结果,分别从小节段的批次构成、批次分配和胎架上批次的加工顺序三方面进行分析,说明了算法在求解该问题上的有效性和可行性。本文在现有研究的基础上,提出了一个新的多机批次调度问题,将批次生产和准时化交付综合考虑,并构建了小节段批次生产调度数学模型,设计了一种启发式算法对问题进行求解,为该类问题的求解提供了一种新的解决思路和方法。
张经天[7]（2019）在《典型物流场景下的AGV系统关键技术研究》文中研究指明随着新兴行业如电商、快递和医药等市场的高速发展,仓储物流领域中新的作业模式不断涌现。由于人力成本的持续上升,相关企业对自动导引车AGV系统在仓储物流领域的应用需求日益增长。物流中心内部的AGV系统典型作业场景包括仓内搬运和“货到人”拣选等。如何在较低成本下实现对AGV单机高精度的位姿控制和运行过程中的连续纠偏成为影响AGV系统在相关领域大规模应用的瓶颈问题。视觉导引AGV具有导引信息丰富、定位精度高、路径设置灵活和应用成本低等优势,是实现上述业务场景需求的解决方案之一。同时,在上述典型场景的大规模AGV系统中,均存在任务如何合理分配的共性问题,制约了系统的整体作业效率。因此,针对AGV系统在典型物流场景下单机控制和多机调度中的关键技术进行研究,具有重要的工程价值和科学意义。本文以典型物流场景下的AGV系统为研究对象,针对单机控制和多机调度中的关键问题,从单机路径跟踪控制,仓内搬运场景下的任务分配和“货到人”拣选场景下的任务分配三个方面开展了理论研究和仿真实验验证工作,主要工作和成果如下:1)针对典型场景下AGV系统单机路径跟踪控制中的高精度寻迹和位姿连续纠偏问题,使用视觉导引AGV做为解决方案,提出了一种基于模型预测控制理论的分段预测控制算法。充分利用图像传感器提供的详细导航信息,以角度偏差、位置偏差、转动半径和驱动器约束为边界约束条件将位姿状态分成三种位姿域,避免了人为设置边界约束参数对系统鲁棒性的影响。根据AGV所处的位姿域构建了基于纠偏-过渡-调整三阶段转化的控制策略,建立了各阶段的优化数学模型,解决了目标函数参数权重难以选择的问题。使用解析方法对模型进行求解,直接推导出最佳目标控制量,有效地简化了求解最优问题的计算过程,为高精度寻迹提供了技术支撑;使用两步预测方法调整控制量,实现了平稳地位姿连续纠偏控制。数值仿真和样机实验结果证明分段预测算法控制精度高且可以连续地调整AGV位姿状态,为典型物流场景下AGV系统多机调度高效率地应用奠定了基础。2)针对应用于仓内搬运场景下AGV系统多机调度中的任务分配问题,为了在满足作业任务时间窗约束的情况下降低系统作业资源消耗,提出了一种基于带时间窗的车辆路径问题VRPTW模型的集中式任务分配方法。首先,结合AGV系统在仓内搬运场景下的相关约束,以最小化总行驶距离为目标,将具有时间窗约束的静态任务分配问题转化为VRPTW问题。其次,构建了基于三层解空间概念的混合启发式算法进化分散搜索-粒子群算法ESS-PSO对模型进行求解,通过串联学习架构有效地整合了进化分散搜索算法和基于路径段的离散粒子群算法,提高了算法的整体性能。使用Solomon基准测试数据集进行验证,证明了算法可在时间窗约束条件下获得高质量的解。最后,结合仓内搬运场景的动态环境,设计了基于单辆AGV执行任务数的滚动时域动态调度策略。通过对某医药物流中心实际项目的仿真,证明了所设计的任务分配方法在仓内搬运场景存在作业任务时间窗约束的情况下可有效降低系统作业资源消耗。3)针对应用于“货到人”拣选场景下AGV系统多机调度中的任务分配问题,为了在满足作业任务具有排序优先约束的情况下提高系统的作业效率,提出了一种基于带转移时间的资源受限项目调度问题RCPSPTT模型的集中式任务分配方法。首先,根据“货到人”拣选场景的全新作业流程,以最小化完工时间为目标,将具有排序优先约束的任务分配问题转化为RCPSPTT问题。其次,提出了一种基于优先级规则的启发式算法对模型进行求解。考虑到“货到人”拣选场景中存在多个任务命中同一货架时AGV的特殊搬运需求,设计了专用的串行调度生成方案,可以高效地生成任务分配计划。为了进一步对任务分配计划进行优化,提出了一种基于建筑块的改进遗传算法BBX-GA,最大化地利用了基因排列中的潜力信息,维持了继承性和破坏性的平衡,且可以灵活调整交叉点的数量,提高了算法性能和收敛速度。根据实际作业场景生成了测试实例,计算结果证明了该算法具有在基于排序优先约束下快速获得较优可行解的能力。最后,基于某医药物流中心实际项目进行了仿真验证,测试和仿真结果表明所设计的任务分配方法可以在“货到人”拣选场景存在作业任务排序优先约束的情况下明显提高系统的作业效率。
邴孝锋[8]（2019）在《考虑机器调整时间的并行机分批优化调度研究》文中提出为适应多变的市场环境和客户需求的个性化,越来越多的制造类企业开始重视生产资源的合理分配和车间调度问题的研究。随着车间调度问题研究的不断深入,单一约束条件和工件以单个或整批进行生产加工的并行机调度模型已不再符合实际工况下的车间生产。为此,本文充分考虑了实际工况下并行车间进行生产加工的约束条件和影响因素,对并行机分批调度问题的分批方案和子批的分配与排序进行研究,主要工作内容如下:在经典并行机调度问题相关模型的基础上,建立了考虑机器调整时间的并行机分批优化调度模型。该模型为以最小化最大完工时间为优化目标,把非等同并行机调度模型作为模型基础,对工件进行分批生产和加工,着重考虑实际工况下机器的调整时间和模具数量的限制,并把这两种因素作为并行机调度问题的约束条件。本文所构建模型需要解决的问题主要有两个,即如何对待加工工件进行分批以及分批之后子批如何进行分配与排序。为此,本文参考遗传差分进化混合算法设计了一种结合灰狼算法与差分进化算法的混合算法,用以满足工件分批和子批分配同时进行优化。同时,采用遗传算法,遗传差分进化混合算法,灰狼差分进化混合算法三种算法对不同规模的经典并行机调度问题进行求解并展示三种算法的求解结果。对求解结果进行比较,证明了所设计的灰狼差分进化混合算法同样适用于经典并行机调度问题的求解。本文通过遗传差分进化混合算法,灰狼差分进化混合算法对并行机分批调度问题和实际工况下考虑机器调整时间的并行机分批调度问题进行了求解。实验结果表明,灰狼差分进化混合算法在寻优性能上优于遗传差分进化混合算法。
唐雷华[9]（2019）在《基于遗传算法的非等同并行多机生产排程成本优化问题研究》文中研究说明近年来随着经济全球化的发展,市场竞争变得更加激烈,产品需求变得更加个性化、多样化、定制化,企业要想在国际化竞争中占据优势,就需要在生产过程中降低成本,提高生产效率和生产质量。因而,研究先进而实用的调度与控制算法,开发高效而稳定的调度与管理系统以解决生产过程中的调度问题已成为企业界的迫切需求,也成为了理论界的研究热点。本文以面向订单生产产品的企业为对象,研究了n个可拆分执行的订单在m台非等同并行机上加工调度的问题,该问题主要包括两方面,一是为每个订单安排合适的拆分方案,二是确定各拆分后子作业的开始加工时间。通过构建总成本最小的数学模型,设计遗传算法求解,以期为具有类似问题特征的生产制造企业提供解决方案。在构思本文时,通过理论结合实践的方式,一方面学习现有的理论知识,并进行文献综述,为后续工作打下基础,另一方面通过对某企业生产车间的实地调研,提炼生产问题的特点,并抽象出在订单可拆分条件下,采用非等同并行多机生产的排产成本优化问题。本文的主要研究工作包括:1.阅读文献,综述生产调度问题相关的论文,从问题分类、建模方法和优化算法对现有文献进行了整理分析,指导本文进行不同方法的选择;2.研究订单可拆分条件下的非等同并行多机调度问题,发现了该问题具有面向订单、可拆分、问题规模复杂的特点,根据生产特点建立了求解总加工成本和延期惩罚成本（总成本）最小化的数学模型;3.设计合理的求解模型的算法,采用遗传算法进行问题求解,在一般遗传算法的基础上引入了领域搜索的策略,然后通过算例数据进行实验,验证模型和算法的有效性,并给出完整的排产方案。本文运用系统工程的思想、最优化理论和方法,根据研究问题的特点,建立了最小化总成本的数学模型,并设计了带有领域搜索的遗传算法进行模型求解,为企业生产提供科学的依据。研究结论表明本文模型符合企业实际生产情况,所设计的算法具有一定的稳健性并且能够处理不同规模的该类问题,使得文章具有一定的现实意义和创新性。
陈亚绒,黄佩钰,李沛,周富得,黄沈权[10]（2018）在《并行多机开放车间调度问题的模型与算法》文中指出发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。
二、基于启发式算法的并行多机调度问题研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于启发式算法的并行多机调度问题研究（论文提纲范文）
（1）遗传算法在A企业并行多机车间调度问题的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.3 论文结构和技术路线 |
| 1.3.1 论文结构 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 本章小结 |
| 第2章 相关理论及文献综述 |
| 2.1 调度概述 |
| 2.1.1 调度的定义与描述 |
| 2.1.2 调度问题的特点 |
| 2.1.3 调度问题的分类 |
| 2.2 生产调度的求解方法概述 |
| 2.2.1 数学规划方法 |
| 2.2.2 启发式方法 |
| 2.2.3 智能优化算法 |
| 2.3 传统遗传算法概述 |
| 2.4 文献综述 |
| 2.4.1 并行机调度问题文献综述 |
| 2.4.2 文献综述评述 |
| 2.5 本章小结 |
| 第3章 A企业并行多机车间模型建立 |
| 3.1 A企业并行多机车间现状 |
| 3.2 A企业冰淇淋成品线生产流程分析 |
| 3.3 考虑优先级的A企业车间调度模型 |
| 3.3.1 A企业并行多机车间模型的参数设定 |
| 3.3.2 A企业并行多机车间模型的决策变量设定 |
| 3.3.3 A企业并行多机车间模型目标函数 |
| 3.3.4 A企业并行多机车间模型约束条件 |
| 3.4 本章小结 |
| 第4章 A企业车间调度问题的遗传算法设计 |
| 4.1 A企业并行多机车间遗传算法概述 |
| 4.2 A企业并行多机车间的遗传算法设计 |
| 4.2.1 基于向量组的排列编码设计 |
| 4.2.2 解码 |
| 4.2.3 种群初始化 |
| 4.2.4 适应度函数设计 |
| 4.2.5 精英保护与排序选择相结合的选择运算 |
| 4.2.6 交叉运算 |
| 4.2.7 变异运算 |
| 4.3 本章小结 |
| 第5章 A企业并行多机车间调度问题算例实验 |
| 5.1 A企业并行多机车间调度问题结果分析 |
| 5.1.1 A企业冰淇淋成品生产线基础数据 |
| 5.1.2 算法运行结果分析 |
| 5.2 A企业并行多机车间调度问题结果评价 |
| 5.2.1 与传统遗传算法的求解对比分析 |
| 5.2.2 与CPLEX求解对比分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 致谢 |
（2）多品种小批量模式下的成组调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 成组技术研究现状 |
| 1.2.2 成组调度研究现状 |
| 1.3 本文研究目标与研究内容 |
| 1.4 本论文的结构安排 |
| 第二章 多工艺路径下的工件成组方法研究 |
| 2.1 划分成组原则确定 |
| 2.2 多种工艺路径介绍 |
| 2.3 工件相似性度量 |
| 2.3.1 工件相似矩阵构建 |
| 2.3.2 工件相似矩阵求解 |
| 2.3.3 工件相似度指标确定 |
| 2.4 改进遗传算法求解多工艺路径下工件成组 |
| 2.4.1 目标函数设置 |
| 2.4.2 编码设计 |
| 2.4.3 种群初始化 |
| 2.4.4 适应度函数设计 |
| 2.4.5 选择操作 |
| 2.4.6 交叉操作 |
| 2.4.7 变异操作 |
| 2.4.8 改进遗传算法流程 |
| 2.5 实验验证 |
| 2.5.1 数据获取 |
| 2.5.2 算法有效性验证 |
| 2.5.3 结果计算 |
| 2.6 本章小结 |
| 第三章 单机成组调度模型构建和算法设计 |
| 3.1 传统车间调度问题描述 |
| 3.1.1 传统车间调度问题的分类与特点 |
| 3.1.2 传统车间调度问题的研究方法 |
| 3.2 单机成组调度问题描述 |
| 3.3 单机成组调度模型构建 |
| 3.4 单机成组调度算法设计 |
| 3.4.1 蚁群算法的改进 |
| 3.4.2 SDST-SPT-IACO求解单机成组调度 |
| 3.5 实验验证 |
| 3.5.1 算法有效性验证 |
| 3.5.2 实例分析 |
| 3.6 本章小结 |
| 第四章 并行多机成组调度模型构建和算法设计 |
| 4.1 并行多机成组调度问题描述 |
| 4.2 并行多机成组调度问题模型构建 |
| 4.3 并行多机成组调度算法设计 |
| 4.3.1 编码设计 |
| 4.3.2 适应度函数设计 |
| 4.3.3 选择操作 |
| 4.3.4 交叉操作 |
| 4.3.5 变异操作 |
| 4.3.6 模拟退火算法部分设计 |
| 4.3.7 遗传模拟退火算法流程 |
| 4.4 实验验证 |
| 4.4.1 算法有效性验证 |
| 4.4.2 实例分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）考虑预防性维修与工件到达时间的并行机调度问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 并行机调度问题的研究现状 |
| 1.3.1 两台并行机调度问题的研究现状 |
| 1.3.2 多台并行机调度问题的研究现状 |
| 1.3.3 多阶段多台并行机调度问题的研究现状 |
| 1.4 研究内容及技术路线 |
| 第2章 集成预防性维修的并行机调度问题研究 |
| 2.1 集成预防性维修的并行机调度问题概述 |
| 2.1.1 调度问题的基本概念 |
| 2.1.2 并行机调度问题的基本概念 |
| 2.1.3 预防性维修的基本概念 |
| 2.1.4 集成预防性维修的并行机调度问题基本概念 |
| 2.2 集成预防性维修的并行机调度问题求解方法 |
| 2.2.1 数学规划法 |
| 2.2.2 启发式算法 |
| 2.2.3 智能算法 |
| 2.2.4 多目标优化算法 |
| 2.3 本章小结 |
| 第3章 考虑预防性维修的两台等效并行机单目标调度问题 |
| 3.1 问题描述与分析 |
| 3.2 混合整数规划模型 |
| 3.2.1 模型Ⅰ:工件安排在第κ个位置进行加工 |
| 3.2.2 模型Ⅱ:工件安排在第κ个批次进行加工 |
| 3.2.3 两种混合整数规划模型比较 |
| 3.3 启发式算法设计 |
| 3.3.1 EDMW(Equal Division Minimize Waste)算法 |
| 3.3.2 EDFFD(Equal Division First Fit Decreasing)算法 |
| 3.3.3 SWA(Sorting While Allocating)算法 |
| 3.4 启发式改善算法设计 |
| 3.4.1 插入与交换的基本程序 |
| 3.4.2 结合插入与交换的改善算法 |
| 3.5 实验与结果分析 |
| 3.5.1 数据产生 |
| 3.5.2 算法运行效率 |
| 3.5.3 算法运行质量 |
| 3.5.4 预防性维修参数对算法绩效的影响 |
| 3.6 本章小结 |
| 第4章 考虑预防性维修与工件到达时间的多台等效并行机双目标调度问题 |
| 4.1 问题描述与分析 |
| 4.1.1 问题描述 |
| 4.1.2 问题特征与优化性质 |
| 4.2 混合整数规划模型 |
| 4.2.1 符号及变量 |
| 4.2.2 混合整数规划模型 |
| 4.3 NSGA-Ⅱ算法设计 |
| 4.3.1 编码设计 |
| 4.3.2 初始种群生成 |
| 4.3.3 解码及计算目标函数值 |
| 4.3.4 快速非支配排序 |
| 4.3.5 拥挤度及其计算方法 |
| 4.3.6 遗传操作设计 |
| 4.4 M-NSGA-Ⅱ算法设计 |
| 4.4.1 初始种群生成 |
| 4.4.2 遗传操作设计 |
| 4.5 实验与结果分析 |
| 4.5.1 数据产生 |
| 4.5.2 算法运行效率 |
| 4.5.3 算法运行质量 |
| 4.5.4 预防性维修参数对算法绩效的影响 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要研究成果 |
（4）基于装备结构件制造过程的平行批处理机调度问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容及结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 1.4 本章小结 |
| 第二章 调度理论基础 |
| 2.1 调度概述 |
| 2.2 调度问题的描述 |
| 2.3 批调度问题研究现状 |
| 2.3.1 单机批调度问题研究概况 |
| 2.3.2 平行多机批调度问题研究概况 |
| 2.3.3 考虑学习与恶化效应的批调度问题研究概况 |
| 2.3.4 基于两阶段生产的批调度问题研究概况 |
| 2.4 调度问题的求解方法 |
| 2.4.1 数学规划法 |
| 2.4.2 启发式算法 |
| 2.4.3 智能算法 |
| 2.5 本章小结 |
| 第三章 基于装备结构件塑形过程的平行机调度问题 |
| 3.1 引言 |
| 3.2 问题描述及建模 |
| 3.2.1 问题描述 |
| 3.3 结构性质 |
| 3.4 问题下界 |
| 3.5 算法设计 |
| 3.5.1 编码与解码方案 |
| 3.5.2 邻域结构设计 |
| 3.5.3 局部搜索策略 |
| 3.5.4 算法总体结构 |
| 3.6 仿真实验 |
| 3.6.1 仿真算例 |
| 3.6.2 结果分析 |
| 3.7 本章小结 |
| 第四章 基于装备结构件铸造过程的两阶段平行机调度问题 |
| 4.1 引言 |
| 4.2 问题描述及建模 |
| 4.2.1 问题描述 |
| 4.2.2 问题建模 |
| 4.2.3 问题分析 |
| 4.3 算法设计 |
| 4.3.1 编码方案 |
| 4.3.2 邻域结构设计 |
| 4.3.3 并行化机制 |
| 4.3.4 局部搜索策略 |
| 4.3.6 算法总体结构 |
| 4.4 仿真实验 |
| 4.4.1 仿真算例 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 5.3 本章小结 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（5）考虑恶化或学习效应的分组批调度方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 研究内容和结构安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文结构安排 |
| 第二章 文献综述 |
| 2.1 分组制造模式下的调度问题 |
| 2.1.1 单机情形下的分组调度问题 |
| 2.1.2 多机情形下的分组调度问题 |
| 2.1.3 流水线情形下的分组调度问题 |
| 2.2 基于批加工模式的调度问题 |
| 2.2.1 单机情形下的批调度问题 |
| 2.2.2 多机情形下的批调度问题 |
| 2.2.3 流水线情形下的批调度问题 |
| 2.3 考虑恶化或学习效应的调度问题 |
| 2.3.1 单机情形下考虑恶化或学习效应的调度问题 |
| 2.3.2 多机情形下考虑恶化或学习效应的调度问题 |
| 2.3.3 流水线情形下考虑恶化或学习效应的调度问题 |
| 2.4 本章小结 |
| 第三章 单客户情形下考虑恶化效应的分组批调度 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 单机情形下的调度规则 |
| 3.4 多机情形下的混合AIS-VNS算法 |
| 3.4.1 编码与解码策略 |
| 3.4.2 VNS算法描述 |
| 3.4.3 AIS-VNS的算法框架 |
| 3.4.4 计算实验与讨论 |
| 3.5 本章小结 |
| 第四章 单客户外包情形下考虑恶化效应的分组批调度 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 单机情形下的结构性质 |
| 4.4 多机情形下的混合VNS-NKEA算法 |
| 4.4.1 编码与解码策略 |
| 4.4.2 邻域结构描述 |
| 4.4.3 增强局部搜索策略 |
| 4.4.4 VNS-NKEA的算法框架 |
| 4.4.5 计算实验与讨论 |
| 4.5 本章小结 |
| 第五章 多客户情形下考虑恶化效应的分组批调度 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 单机情形下的调度策略 |
| 5.4 多机情形下的IDE算法 |
| 5.4.1 编码及修正策略 |
| 5.4.2 邻域结构设计 |
| 5.4.3 基于DE的邻域搜索 |
| 5.4.4 改进DE算法框架 |
| 5.4.5 计算实验与讨论 |
| 5.5 本章小结 |
| 第六章 多客户情形下考虑学习效应的分组批调度 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 单机情形下的调度算法 |
| 6.4 多机情形下的LIMA-IRG算法 |
| 6.4.1 LIMA-IRG算法的过程 |
| 6.4.2 LIMA-IRG算法的应用步骤 |
| 6.4.3 计算实验与讨论 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（6）钢箱梁小节段生产调度优化模型及算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 2 钢箱梁小节段生产调度模型构建 |
| 2.1 符号说明 |
| 2.2 问题描述 |
| 2.3 多机批次生产调度模型 |
| 2.4 本章小结 |
| 3 变邻域搜索算法设计 |
| 3.1 基本变邻域搜索概述 |
| 3.2 算法设计 |
| 3.3 邻域结构 |
| 3.4 本章小结 |
| 4 算例分析 |
| 4.1 算例设计 |
| 4.2 实验结果分析 |
| 4.3 管理学启示 |
| 4.4 本章小结 |
| 5 总结和展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录1(攻读学位期间参与项目情况) |
| 附录2(实验数据资料) |
（7）典型物流场景下的AGV系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 AGV系统关键技术综述 |
| 1.2.1 导航/导引方式 |
| 1.2.2 单机控制和多机调度 |
| 1.3 AGV系统单机控制和多机调度相关方法研究现状 |
| 1.3.1 路径跟踪控制方法研究现状 |
| 1.3.2 仓内搬运场景下的任务分配方法 |
| 1.3.3 “货到人”拣选场景下的任务分配方法 |
| 1.4 本文的主要研究内容 |
| 第二章 视觉导引AGV单机路径跟踪控制方法研究 |
| 2.1 引言 |
| 2.2 AGV运动学模型 |
| 2.3 模型预测控制算法 |
| 2.4 分段预测控制算法 |
| 2.4.1 偏差同步消除算法 |
| 2.4.2 位姿状态分类 |
| 2.4.3 三阶段转化策略 |
| 2.4.4 完整控制方案 |
| 2.5 仿真实验结果及分析 |
| 2.5.1 仿真结果及分析 |
| 2.5.2 实验验证 |
| 2.6 本章小结 |
| 第三章 AGV系统在仓内搬运场景下的任务分配方法研究 |
| 3.1 引言 |
| 3.2 静态任务分配问题 |
| 3.2.1 任务分配问题描述 |
| 3.2.2 数学模型 |
| 3.2.3 VRPTW问题综述 |
| 3.3 进化分散搜索-粒子群优化算法 |
| 3.3.1 进化分散搜索算法 |
| 3.3.2 基于路径片段的离散粒子群优化算法 |
| 3.3.3 整体算法工作流程 |
| 3.4 启发式算法验证 |
| 3.4.1 算法有效性测试 |
| 3.4.2 算法参数设置 |
| 3.4.3 与最佳结果比较 |
| 3.4.4 与其他算法比较 |
| 3.5 动态调度策略 |
| 3.5.1 动态调度数学模型 |
| 3.5.2 滚动时域方法 |
| 3.5.3 仿真验证 |
| 3.6 本章小结 |
| 第四章 AGV系统在“货到人”拣选场景下的任务分配方法研究 |
| 4.1 引言 |
| 4.2 拣选场景下的AGV系统 |
| 4.2.1 RMFS系统介绍 |
| 4.2.2 AGV行驶距离计算 |
| 4.3 任务分配问题建模 |
| 4.3.1 任务分配问题描述 |
| 4.3.2 数学模型 |
| 4.3.3 RCPSPTT问题综述 |
| 4.4 基于优先级规则的启发式算法 |
| 4.4.1 解的表示方式 |
| 4.4.2 调度生成方案 |
| 4.4.3 基于建筑块的交叉算子 |
| 4.4.4 变异算子 |
| 4.4.5 算法框架 |
| 4.5 算法验证及仿真分析 |
| 4.5.1 实例生成 |
| 4.5.2 算法对比 |
| 4.5.3 仿真分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要工作及创新点 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
（8）考虑机器调整时间的并行机分批优化调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 并行机调度问题的概述 |
| 1.2.1 并行机调度问题的描述 |
| 1.2.2 并行机调度问题的分类 |
| 1.2.3 并行机调度问题的主要特点 |
| 1.2.4 并行机调度问题的求解算法 |
| 1.3 国内外研究现状 |
| 1.3.1 并行机调度问题的研究现状 |
| 1.3.2 并行机分批调度问题的研究现状 |
| 1.3.3 研究现状总结 |
| 1.4 论文的研究内容及结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文构架 |
| 1.5 本章小结 |
| 第二章 并行机分批调度相关概述及模型建立 |
| 2.1 并行机调度基础模型 |
| 2.1.1 经典并行机调度模型 |
| 2.1.2 考虑工件批量加工的并行机调度模型 |
| 2.1.3 考虑机器调整时间的并行机调度模型 |
| 2.2 并行机分批调度相关概述 |
| 2.2.1 并行机分批调度定义 |
| 2.2.2 并行机分批调度策略 |
| 2.3 考虑机器调整时间的并行机分批调度模型建立 |
| 2.3.1 问题描述 |
| 2.3.2 数学模型建立 |
| 2.3.3 数学模型说明 |
| 2.4 本章小结 |
| 第三章 考虑机器调整时间的并行机分批调度模型算法设计 |
| 3.1 灰狼算法介绍 |
| 3.1.1 灰狼算法的基本思想和数学描述 |
| 3.1.2 灰狼算法流程 |
| 3.2 差分进化算法介绍 |
| 3.2.1 差分进化算法的关键操作 |
| 3.2.2 差分进化算法流程 |
| 3.3 考虑机器调整时间的并行机分批调度算法设计 |
| 3.3.1 灰狼差分进化混合算法流程 |
| 3.3.2 灰狼差分进化混合算法的关键步骤 |
| 3.4 经典并行机调度模型验证 |
| 3.4.1 问题描述 |
| 3.4.2 问题和算法参数的设置 |
| 3.4.3 算例结果与分析 |
| 3.5 本章小结 |
| 第四章 考虑机器调整时间的并行机分批调度算法求解 |
| 4.1 非等同并行机分批调度模型求解 |
| 4.1.1 问题描述 |
| 4.1.2 问题和算法的参数设置 |
| 4.1.3 算例结果与分析 |
| 4.2 考虑机器调整时间的非等同并行机分批调度模型求解 |
| 4.2.1 问题描述 |
| 4.2.2 问题和算法的参数设置 |
| 4.2.3 算例结果与分析 |
| 4.3 实际工况下案例求解及验证 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 论文展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间发表的论文及参加的科研项目 |
| 附录 A1 发表的论文 |
| 附录 A2 参加的科研项目 |
（9）基于遗传算法的非等同并行多机生产排程成本优化问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究目标 |
| 1.4 研究内容 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 1.6 本文创新点 |
| 1.7 本文组织结构 |
| 第二章 相关理论基础 |
| 2.1 生产调度的定义 |
| 2.2 国内外研究现状 |
| 2.2.1 生产调度的分类及研究现状 |
| 2.2.2 生产排程建模及研究现状 |
| 2.2.3 生产排程优化方法及研究现状 |
| 2.3 本章小结 |
| 第三章 研究问题及模型建立 |
| 3.1 研究问题 |
| 3.1.1 非等同并行机 |
| 3.1.2 生产排程问题特点 |
| 3.1.3 问题描述及调度流程 |
| 3.2 建立数学模型 |
| 3.2.1 关于模型的考虑 |
| 3.2.2 问题的数学描述 |
| 3.2.3 模型的构建 |
| 3.3 本章小结 |
| 第四章 算法设计及算例实验 |
| 4.1 算法选择的考虑 |
| 4.2 算法设计 |
| 4.2.1 遗传算法及其流程 |
| 4.2.2 遗传算法设计 |
| 4.2.3 算法流程 |
| 4.3算例实验 |
| 4.3.1 电缆生产概述 |
| 4.3.2 试验以确定遗传参数 |
| 4.3.3 稳健性分析 |
| 4.3.4 排产方案及结果分析 |
| 4.4 本章小结 |
| 结论 |
| 一、总结 |
| 二、展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）并行多机开放车间调度问题的模型与算法（论文提纲范文）
| 0 引言 |
| 1 晶粒分类拣选工序的调度问题描述 |
| 2 晶粒分类拣选调度问题的混合整数规划模型 |
| 3 晶粒分类拣选调度问题的启发式算法 |
| 4 晶粒分类拣选调度问题的改进粒子群优化算法 |
| 4.1 编码 |
| 4.2 解码 |
| 4.3 算法运行机制 |
| 5 仿真实验与分析 |
| 5.1 实验数据生成 |
| 5.2 实验结果分析 |
| 5.2.1 各种实验参数之下四种算法的绩效比较 |
| 5.2.2 求解质量分析 |
| 5.2.3 实验参数的影响分析 |
| 6 结语 |
四、基于启发式算法的并行多机调度问题研究（论文参考文献）
- [1]遗传算法在A企业并行多机车间调度问题的应用研究[D]. 柳晨. 东华大学, 2021(01)
- [2]多品种小批量模式下的成组调度研究[D]. 罗薛嵘. 电子科技大学, 2021(01)
- [3]考虑预防性维修与工件到达时间的并行机调度问题研究[D]. 黄佩钰. 温州大学, 2020(04)
- [4]基于装备结构件制造过程的平行批处理机调度问题研究[D]. 宋庆儒. 合肥工业大学, 2020(02)
- [5]考虑恶化或学习效应的分组批调度方法研究[D]. 廖宝玉. 合肥工业大学, 2020(01)
- [6]钢箱梁小节段生产调度优化模型及算法研究[D]. 王镇. 华中科技大学, 2020(01)
- [7]典型物流场景下的AGV系统关键技术研究[D]. 张经天. 北京邮电大学, 2019(01)
- [8]考虑机器调整时间的并行机分批优化调度研究[D]. 邴孝锋. 昆明理工大学, 2019(04)
- [9]基于遗传算法的非等同并行多机生产排程成本优化问题研究[D]. 唐雷华. 华南理工大学, 2019(02)
- [10]并行多机开放车间调度问题的模型与算法[J]. 陈亚绒,黄佩钰,李沛,周富得,黄沈权. 中国机械工程, 2018(22)