一、多功能机床环境下的Job Shop问题研究（论文文献综述）
马铭阳[1]（2021）在《改进人工蜂群算法及其在柔性作业车间调度的应用研究》文中研究指明柔性作业车间是接纳上层物料、订单任务和生产状态反馈的聚集点,研究柔性作业车间的调度优化对实现智能制造具有重要意义。人工蜂群算法结构简单,鲁棒性强,适用于求解车间调度类NP难的优化问题。基于上述背景,本文对改进人工蜂群算法及其在柔性作业车间调度中的应用展开研究,主要内容如下:首先,建立以最大完成时间为目标的柔性作业车间单目标调度优化模型,提出一种变步长人工蜂群算法。采用基于概率选择交叉个体的方法,平衡算法开发与探索能力;引入搜索阈值提出变步长搜索策略,使大步长与小步长有机结合,提高算法的全局搜索能力;增加侦查蜂数量保持种群的多样性。通过Kacem数据集上的标准算例验证改进策略的有效性,与已有算法对比结果表明,所提算法具有更强的寻优能力和收敛性。其次,以最大完成时间、瓶颈机器负荷和机器总负荷为优化目标,将单目标柔性作业车间调度扩展为多目标问题。受保留解策略对算法搜索方向产生影响的启发,设计两种不同的种群更新策略,提出两阶段混合人工蜂群算法。第一阶段采用独立更新策略,保持解的分散性;第二阶段采用贪婪策略保留新种群,加快算法收敛。提出一种全局搜索能力强的改进逆序变异方法,采用多重变异策略提高种群的多样性。利用Brandimarte数据集的10个算例验证所提算法的有效性,与已有算法相比,所提算法具有更好的种群多样性和收敛性,适用于不同规模的柔性作业车间问题。最后,在传统的生产调度目标基础上,将碳排放这一生态指标纳入调度系统;同时考虑实际生产车间的复杂环境以及生产过程中随时可能出现动态事件,将稳定性也纳入优化目标,构建动态调度模型,提出一种改进的多目标人工蜂群算法。针对碳排放目标加入一种启发式变异方法,结合多重变异策略提高种群多样性。通过仿真实验验证本文算法的快速响应能力,降低动态事件对车间生产的影响,保证车间生产稳定高效运行。
李俊萱[2]（2021）在《模糊柔性作业车间的调度优化算法研究与应用》文中研究表明生产调度是企业生产管理系统的核心和关键技术。然而,随着工厂规模的扩大以及产品工艺的复杂化,生产系统的随机性和多变性日益突出,使得调度问题的研究愈发困难。在模糊理论得到大力发展的背景下,利用模糊特征能够有效减少调度过程中因生产参数不确定而导致的决策偏差,提高调度方案的可靠性。此外,考虑到企业对柔性化生产模式的急切需求,如何在具有模糊特征的柔性作业车间中实现高质量调度,已经成为了工业界和学术界共同关注的焦点。本文围绕单目标和多目标下的模糊柔性作业车间调度问题开展研究,通过改进量子粒子群算法对其进行优化求解,以下是主要研究内容:（1）以模糊数表示生产参数,给出了模糊柔性作业车间调度问题的建模方法,介绍了模型分类以及常用的目标函数表达式;阐述了基本量子粒子群算法,分析了算法的实现原理、求解模糊柔性作业车间调度问题的可行性以及优化框架。（2）针对现有智能优化算法求解单目标模糊柔性作业车间调度问题时在寻优能力上的欠缺,提出了一种混合量子粒子群算法。结合贪婪策略设计了基于工序的单层编码并在粒子位置上实现了映射;将边界修正策略和协作更新框架作用于量子粒子群算法,改善了其在决策空间的搜索效率;同时,通过融合交叉算子以及路径重链技术,进一步提高了算法的性能。实验结果表明,所提算法在求解模糊调度算例和光纤制造车间的实例时,比基本量子粒子群算法和近期文献中的其他算法效果更佳。（3）针对使用后验嵌入法求解多目标模糊柔性作业车间调度问题时随机性强、复杂度高的不足,提出了一种改进多目标量子粒子群算法。在实现双层编码和映射规则的基础上,通过权重因子和变高斯分布的随机数优化了算法中的平均最优位置和局部吸引子;基于动态分组的思想进一步改进了协作更新框架,加强了算法的深度搜索能力;此外,为了控制优化过程的计算量且确保输出非支配解的多样性,引入了基于拥挤度熵的外部存档实现Pareto前沿的高效维护。实验结果表明,所提算法在求解复杂算例和实际车间案例时,对比加入外部存档的基本量子粒子群算法和现有文献中的先进算法,表现更加优秀。（4）以实际需求为导向,将提出的理论方法运用于实际工厂的排产调度中,开发了面向光纤制造行业的智能调度系统,详细介绍了系统的设计思路和功能模块的实现方法。
张晓辉[3]（2020）在《分布式阻塞流水车间调度方法研究》文中进行了进一步梳理在全球经济一体化的背景下,随着通用型工厂的优化以及同构生产线的整合,分布式制造已逐渐发展成为一种常见的制造模式。分布式制造可以使集团对下属多个企业或工厂的资源进行合理配置、优化组合及共享,统筹多个工厂建立协作关系,在低成本和低风险环境下采用分工和协作方式快速实现产品的高效生产。车间调度作为生产活动的重要环节,在分布式制造系统中占据着举足轻重的地位。不同于传统的单车间调度,分布式车间调度不仅需要考虑加工任务特性和生产约束的关联性,还需要考虑全局调度和各分布式工厂局部调度的耦合性,其求解过程更为复杂。因此,根据分布式制造特性构建调度优化模型,设计有效的优化方法,对推动分布式制造的调度理论研究具有重要意义。分布式车间调度问题有时优化单一生产目标,有时则需兼顾优化现代企业和国民宏观经济发展目标（如节能减排等环保政策）;有时决策空间仅受单一约束限制,有时则需要同时满足多个约束;有时调度环境是静态的,有时则受不确定因素的干扰。随着问题规模的扩大,在多项式时间内较难获得最优解。因此,开展分布式车间的调度研究具有较高的挑战性。本文以分布式阻塞流水制造为研究背景,设计了相应的分布式生产调度体系架构,围绕分布式阻塞流水车间静态调度、绿色调度和动态调度三个方面展开了深入研究,分别构建了静态调度、绿色调度和动态调度问题的数学模型,并基于不同问题特性提出了三类元启发式算法。最后,搭建了分布式阻塞流水车间调度原型系统,对理论研究进行了系统实现和应用验证。本文主要研究工作如下:（1）分析了一般流水阻塞车间调度问题特性,引入分布式制造概念,对分布式生产调度业务流程进行了分析。在此基础上,进一步研究了分布式阻塞流水车间调度业务的关键决策点,设计了面向分布式流水制造的生产调度体系架构,提出了云-边缘结合的生产调度管控模式。（2）研究了静态环境下分布式阻塞流水车间调度问题,在分析了分布式流水制造模式特点的基础上,以完工时间为优化目标,构建了调度问题的整数规划模型,提出了离散果蝇优化算法（Discrete fruit fly optimization algorithm,DFOA）。首先,针对阻塞流水约束特性,提出了三类种群初始化方法;在嗅觉搜索阶段,设计了四类有向邻域搜索算子,以扩大算法的搜索空间;随后,提出了包含两类插入式局部搜索的变邻域下降搜索框架;在视觉搜索阶段,改进了种群更新策略,确保算法的快速收敛。最后,在基准测例上验证了DFOA的有效性和优越性。（3）同时从生产效率和节能角度出发,研究了分布式阻塞流水车间绿色多目标调度问题,分析了加工周期和能耗的冲突关系,提出了基于Pareto理论的多目标分布估计算法（Multi-objective estimation of distribution algorithm,MOEDA）。首先,建立了基于贝叶斯网络的离散概率模型,通过概率模型更新加工排序;随后,设计了两类加工速度调整算子,改进了一类工件插入策略,实现了算法调整工件排序时工序加工速度的自适应调整,加速种群向Pareto前沿逼近。最后,通过对比实验验证了MOEDA对Pareto前沿的覆盖和逼近性能。（4）考虑了事件驱动的分布式制造模式,以机器故障为背景,研究了分布式阻塞流水车间动态调度问题。设计了故障模拟与修复机制,提出了面向分布式阻塞流水车间的动态调度策略,以完工时间和系统稳定性为优化目标,构建了分布式阻塞流水车间干扰管理模型,针对重调度工件设计了基于差分进化思想的离散Memetic算法（Discrete Memetic algorithm based on differential evolution,DMA）。首先,设计了基于工件权重位置的种群初始化策略;随后,引入差分进化思想对重调度的目标空间进行邻域搜索;之后,提出了基于工件块的随机参考局部搜索策略,避免算法陷入局部最优。最后,通过对比实验验证了重调度算法的有效性和优越性。（5）结合分布式阻塞流水车间生产调度体系架构,开发了云-边缘结合的调度原型系统,实现了调度算法在云端的部署和集团调度业务的运行。随后,在某技术密集型企业搭建了边缘侧调度控制平台,以多品种、小规模和定制化产品为应用对象,对动态调度策略和DMA重调度算法的有效性进行了实例验证。该论文有图77张,表24个,参考文献186个。
吴晓强,田松龄,郑淑贤,项忠霞[4]（2020）在《面向开放式结构产品的智能制造车间实时调度方法》文中研究指明开放式结构产品（OAP）对制造系统的规划和实施提出了更高的要求。车间环境下制造过程具有高度动态性与时变性,须考虑车间环境下的不可预测性。针对以机床故障为代表的异常事件扰动问题,提出了基于队列控制的调度执行机制,不仅可以保障在车间系统不发生扰动时按照预定调度计划安排各工序制造,还可以在发生扰动时实时修正队列参数保证车间系统运行的可靠性。针对机床故障信息不完备的实时调度问题,提出了基于自动机模型的车间异常事件监测方法和基于多代理模型、队列控制调度执行机制的实时调度方法。在标准算例实验中最早完成加工规则（ECP）和剩余工序最多规则（MWR）的组合规则得到方案的平均偏差百分比PD为4.591%,更接近于理论最优解。工程应用实验证明了基于多代理模型、队列控制调度执行机制的实时调度方法是一种基于车间事件监测基础上的完全分布式的协调与决策方法,能够兼顾车间调度的实时性和调度结果的质量要求。
仇永涛[5]（2020）在《离散智能车间扰动预测与高效运行管控方法研究》文中指出随着工业4.0、物联网、数据挖掘等概念的提出,计算机技术与先进制造业的理念和方法正不断深入融合,基于信息物理系统的智能制造也应运而生,形成以服务为导向、以数据为依托、以人工智能为决策方法的人机协同制造新模式。在智能制造环境下,车间集成各类传感器（测力计、温度器、RFID等）实现车间数据采集,物联网等基础设施实现车间系统互联互通。但由于实际加工环境中的各类扰动,会直接或间接导致生产进程异常,尤其是以多品种、小批量为生产特征的离散车间,其不确定性扰动更为复杂,实时工况的多变更是增加了以调度为关键的车间管控难度,降低了车间生产效率,增加了车间管控成本和不确定性。因此,需要贴近现实车间实际,划分车间扰动异常,定量计算扰动影响程度,并预测可能会发生的扰动,进而基于扰动预警,实现车间扰动发生前的主动调度,避免扰动影响车间作业。同时,需提高扰动事后的车间重调度能力,结合企业生产需求,降低已发生扰动对车间正常运行带来的危害。本文针对这些关键问题,从构建扰动预测模型和设计有效调度方法两方面进行展开,以提高车间运行管控能力。具体内容如下:（1）针对车间扰动,分别从临时性变化、通常环境和显着或不显着改变三个角度阐述车间扰动概念。构建以服务、质量和价格为评价指标,以人、设备、物料和调度为扰动资源要素的层次树多元扰动划分框架,对车间宏观扰动进行了系统分类。基于改进的故障失效模式和影响分析,提出一种新的扰动分析模型—扰动风险向量。定义了平面偏向向量的风险向量优先级,有效降低扰动风险数值重复率,实现了不同扰动的差异化。并以此为基础,设计车间扰动风险向量及扰动评估方法。提出以三角函数和梯形函数为隶属度函数的模糊层次分析法以克服主观权重问题。应用差异性指数划分扰动数值,发现关键扰动,为车间管理员高效定位车间扰动和预防控制扰动提供依据。此外,三维矢量的平面拟合为分析不同指标扰动的分布和差异提供了方法。（2）针对数据背后的潜在扰动,依据实体物流操作过程的等待加工时间、机床准备时间、加工时间、等待转移时间和转移时间分别建立理想作业时间流和实际作业时间流数学模型,并以此为基础提出潜在扰动时间概念,反映了扰动对离散车间作业的影响。从车间系统功能出发,解析离散车间数据源,并对其进行统一分类。建立离散车间数据流框架,提出基于数据挖掘的离散车间潜在扰动预测方法,完成了由扰动预测到车间生产的闭环控制。考虑到噪声冗余数据,提出混合贝叶斯的决策树算法用于离散车间扰动预测。实验结果验证了所提方法能有效发掘潜在扰动并指导车间生产,同时所提算法相较其它算法具有更优的预测精度。（3）针对扰动预测下的高效车间作业静态调度问题,提出了以最大完工时间和总延迟为优化目标,建立了混合进化算法和种群知识的离散作业车间多目标调度求解模型。由优化目标和属性归纳确定工件工序属性（工序特征、加工时间、剩余加工时间、交货期和优先级）,通过NSGA-Ⅱ混合模拟退火算法获取优秀种群个体,应用优先级类权重实现种群的知识挖掘。提出增添排序法ADSM,重新局部调整工序,获取基于知识的初始种群个体,避免了知识挖掘下工序不足或过饱和问题。实验比较了其它种群个体在不同迭代次数和不同种群大小下优化目标和帕累托性能指标,结果表明在有限的迭代次数下,本文所提方法能够获得更优的帕累托解。（4）针对已发生扰动对车间作业的影响,深入研究了扰动下车间重调度问题,给出离散车间扰动下重调度理论框架和关键技术。提出原计划接受度和重调度触发度概念和数学模型,建立以交货期和扰动时间变化率为基准的重调度驱动机制。应用指标加权法提出以最大完工时间、质量损失指数和工序加工成本为一体的优化目标函数。设计并改进模拟退火遗传算法,以基准案例对优化目标函数值和收敛性进行算法性能测试,以某电梯零部件智能制造车间调度实例进行重调度验证,结果表明所提算法和重调度策略优越且有效。开发了离散车间调度平台,并介绍了系统主要功能模块。
王玲玲[6]（2020）在《机器翻译错误类型与译后编辑方法研究 ——以《失衡：经济生活中价值的重新诠释》为例》文中提出在全球化和信息化的双重背景下,翻译需求迅速增长,而翻译引擎也是不断更新换代,因其高效率和低成本的特点而备受语言服务商的青睐。即便如此,机器翻译的实际翻译质量也还是难以与人工翻译相媲美,不足以达到客户的要求,而近年来兴起的译后编辑则有效弥补了机器翻译的不足。如今,许多语言服务商已经开始大规模采用机器翻译结合译后编辑（MTPE）的模式。本文是一篇机器翻译结合译后编辑的实践报告,源文本是一本名叫《失衡:经济生活中价值的重新诠释》（The Sense of Dissonance:Accounts of Worth in Economic Life）的社会学书籍。由于所选文本为信息型文本,用词严谨,逻辑清晰,术语较多且部分术语重复率较高,适合采用机器翻译结合译后编辑的方法进行翻译。因此,笔者选择了谷歌机器翻译引擎Google Translate预翻译所选文本,然后将其导入SDL Trados翻译软件中,在语境理论的指导下,对机器翻译的译文进行译后编辑和校对。基于本次翻译实践,结合国内外学者的相关研究,笔者从词法、句法及语篇三方面总结分析了机器翻译的错误类型,并基于语境理论的指导,从上述三方面给出了译后编辑的方法,辅以大量例句加以解释说明。文末笔者也提供了一些研究建议,希望本文能为研究机器翻译和译后编辑的学者提供一些参考。
杨秒[7]（2020）在《基于数字孪生的断路器柔性作业车间插单重调度预测研究》文中研究表明小型断路器广泛地应用于家庭、石油、化工、高铁和建筑等领域,对其进行生产制造过程的优化具有重要的实用价值。断路器柔性装配作业调度过程需要考虑多种约束,制定出面向订单的车间优化调度方案。断路器柔性作业车间重调度研究主要针对插单、撤单、机器故障等因素,但传统方法主要在动态事件发生后再做调度计算,这不仅影响了生产过程对扰动事件的响应速率,而且限制了车间调度计算的优化空间。为了实现断路器柔性作业车间面向对动态插单事件快速、有效地重调度决策,本文在搭建高度融合交互的断路器数字孪生车间的基础上,提出了一种基于时间窗口和订单查询的插单事件预测机制,在重调度响应速率、生产效率、设备能耗方面取得了新的改善。论文工作主要集中在以下几个方面:1、针对企业实际生产需求,为小型断路器数字孪生车间调度平台进行了系统的通用性和重用性的分析,并依此制定了小型断路器数字孪生车间调度平台的设计原则、系统框架和设计方案。2、依据已有断路器柔性作业车间的组成特性和工艺特点,在Unity3D引擎中研究了对应的多粒度映射模型,并在孪生数据的驱动下,实现了与真实车间精准匹配、忠实映射的数字孪生车间的搭建。3、结合断路器车间批量式柔性作业的特性和标准采购订单频繁插入的特点,构建了以最大完工时间和设备能耗为优化目标的柔性作业车间重调度模型,将问题简化为基于工序排序和工序分配的数学规划问题,以便于计算求解。4、提出了基于时间窗口和订单查询的重调度预测机制,并研究了决策变量的编/解码原理、多目标回溯搜索优化算法,在分布式计算平台的环境下完成了优化计算。5、在数字孪生车间中进行了界面、交互、漫游、优化等辅助功能的设计,并将所提出的机制、模型、算法进行实验,分别在单批订单插入和多批订单插入的条件下验证了本文所提出的方法。
刘正超[8]（2020）在《面向分布式制造的建材装备集团绿色生产调度研究》文中认为建材装备制造业是建材工业的重要支柱,是为建筑材料及其相关制品提供生产设备及技术支持的基础性产业。近些年,我国建材装备制造业面临着规模型企业占比小、制造资源集中度低、局部产能过剩以及企业间无序竞争等问题。因此,该产业正逐步通过集团式重组、合并等方式进行发展,由此形成了集团分布式制造模式。与此同时,随着温室效应、资源枯竭以及环境恶化成为全球性的难题,我国建材装备制造业作为传统的高投入、高消耗、高排放行业,其节能减排和绿色发展问题已经迫在眉睫。但是,由于该产业正处于集团式发展的初级阶段,集团企业内部组织机构的功能分配不够完善、集团总部对下属企业的管理能力不足等缺陷,导致了集团内部制造任务与制造资源的匹配度偏低,以及集团下属企业的制造目标不统一、协同制造水平较差等问题的凸显,进一步增加了建材装备集团企业的绿色转型难度。因此,本文针对建材装备集团分布式制造模式的特点,主要从多主体制造任务分配、执行以及协同生产管理三个方面对建材装备集团的绿色生产调度问题展开研究与探索,具体研究内容包括:（1）结合建材装备集团分布式制造模式的特征,对建材装备集团分布式生产调度过程的决策重点进行了研究。在此基础上,进一步对建材装备集团的绿色生产调度关键问题进行提炼,建立了面向分布式制造的建材装备集团绿色生产调度体系,为下文的研究提供了理论基础。（2）针对建材装备集团总部在制造任务分配过程中的绿色制造需求和多目标组合分配决策问题,提出了一种新型的集成多目标优化和人工神经网络的绿色制造任务分配优化方法,首先通过多目标优化获取大量包含决策者偏好特征的绿色制造任务分配仿真数据,随后设计相关的人工神经网络结构,并使用仿真数据对其训练,最后使用受训的人工神经网络对候选制造任务分配方案进行绿色优选,实现了建材装备集团制造任务分配过程的绿色优化。（3）针对建材装备集团下属企业在制造任务执行过程中的车间生产资源浪费问题,重点研究了考虑车间内部加工过程和运输过程综合能耗的绿色集成调度优化方法,构建了集成加工机器和运输设备调度的绿色优化模型,并设计了一种新型的带有绿色运输调度启发式策略的改进遗传算法对模型进行求解,实现了建材装备集团制造任务执行过程的绿色优化。（4）针对建材装备集团在绿色生产调度过程中发生的多主体协作冲突问题,建立了集成多目标优化和非合作博弈理论的冲突协调模型,并提出了一种新型的基于NSGA-和纳什均衡的冲突协调求解算法,通过调度优化、冲突检测、冲突协调三个过程为建材装备集团的绿色生产调度提供配套的冲突协调方案,实现了建材装备集团分布式制造的绿色协同生产管理。（5）根据论文中提出的优化理论与方法,以国内某建材装备集团企业的实际应用需求为基础,设计开发了面向分布式制造模式的建材装备集团绿色生产调度平台原型系统,重点研究了平台系统的软硬件架构及功能框架设计,并结合开发实例对平台系统的主要功能和应用效果进行了相关的展示说明。
潘虹[9]（2020）在《若干加工具有分阶段特性的调度问题研究》文中研究指明调度问题是组合优化研究的一类经典的问题,本文主要研究了若干加工具有分阶段特性的调度问题,这些问题在实际生产管理中有广泛的应用背景.本文的研究核心是近似算法和（完全）多项式时间近似方案的设计与分析.全文共分六章.第一章简要介绍了与调度问题相关的一些基本概念,并且介绍了加工具有分阶段特性的调度问题的国内外研究现状.第二章主要研究了两台流水机器环境下,机器具有多功能特性的调度问题.在该问题中,工件加工分两个阶段,即每个工件具有两道流水作业工序,工序加工过程不允许中断,第一台流水作业机器除了正常加工工件的第一道工序外还具有加工工件的第二道工序的功能,目标是极小化最大完工时间.对于该问题,本文给出了一个最坏情况界不大于1.615的近似算法,改进了目前最坏情况界不大于13/8的结果.第三章主要研究了两台流水作业机器环境下的加工与运输协同调度问题.在该问题中,工件首先在两台流水作业机器上加工,然后由一辆运输工具分批运送至顾客.每个工件具有不同的尺寸,运输工具有容量限制,目标是最小化最后完工工件运送至顾客的时间.对于该问题,本文构造了一个最坏情况界不大于（5/3+∈）的近似算法,改进了目前最坏情况界不大于2的结果.第四章主要研究了两阶段流水作业机器环境下的专用机调度问题.在这类问题中,每个工件具有两道流水作业工序,其中工件的第一道工序任意选择一台平行机进行加工,工件的第二道工序只能在第二阶段特定的专用机上进行加工,目标是极小化最大完工时间.对于该问题,本文首先构造了一个最坏情况界不大于2的近似算法,并且证明该算法的最坏情况界是紧界,然后设计了一个多项式时间近似方案（PTAS）.第五章分别研究了 m个并行的两阶段和k阶段的异顺序车间作业调度问题.在该问题中,每个工件选择其中一个异顺序车间进行加工,加工过程不允许中断,目标是极小化最大完工时间.对于m个并行的两阶段的异顺序车间作业调度问题,本文构造了一个完全多项式时间近似方案（FPTAS）.对于m个并行的k阶段的异顺序车间作业调度问题,本文构造了一个多项式时间近似方案（PTAS）.第六章对全文进行了总结并提出问题的进一步研究方向。
冯亚芳[10]（2019）在《双资源约束的航空发动机作业车间调度研究》文中提出作业车间调度问题（Job Shop Scheduling,JSP）在根本上属于资源的分配问题,对资源调度研究的深入和扩展具有重大的理论意义和工程应用价值,是现今研究的热点。在航空发动机作业车间调度问题中,工件的加工对操作工人和机器设备有着较高要求,约束关系明显,且由于工件精密度高、加工工艺复杂,操作工人的能力差异也对实际生产有明显的影响。本文以航空发动机为研究对象,以作业车间调度为背景,结合当前国内外研究学者对双资源约束（Dual Resource Constrained,DRC）作业车间调度（DRCJSP）的相关理论和实践成果,针对航空发动机作业车间调度特点进行分析,研究了考虑扰动事件的设备和差异性工人双资源约束的作业车间调度问题。论文主要围绕模型的构建、求解方法设计以及算例验证等几个方面完成研究,并将模型和算法应用于实际案例分析,对解决航空发动机生产中的调度问题给出参考建议,有助于企业提高生产效率和竞争力。论文的主要研究内容如下:首先,对航空发动机作业车间调度问题进行总体研究。对相关研究现状进行分析,确定本文的研究问题;对相关理论和优化方法进行介绍,包括双资源约束的相关理论、调度优化方法等,重点对云模型进行分析,阐述了云模型在遗传算法中的优化应用。然后,分析了航空发动机作业车间调度存在的问题,建立包含机器设备和差异性工人双资源约束的航空发动机作业车间调度模型,并基于滚动窗口和事件驱动的思想,考虑航空发动机实际生产过程中存在的扰动事件,包括设备故障、工人离岗等。利用云模型改进遗传算法即云遗传算法对模型进行仿真求解,通过算例分析,以对比分析的方式验证了本文构建模型和算法是可行且有效的。最后,针对A公司航空发动机作业车间的调度现状和问题进行分析,将构建的模型和提出的算法应用于该车间调度方案的优化,并对应用效果进行分析;考虑到扰动事件对调度方案的影响,从设备故障预测、工人的培养以及车间调度系统建设的角度提出了相应的改善建议和意见。
二、多功能机床环境下的Job Shop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、多功能机床环境下的Job Shop问题研究（论文提纲范文）
（1）改进人工蜂群算法及其在柔性作业车间调度的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 柔性作业车间调度研究现状 |
| 1.3 人工蜂群算法研究现状 |
| 1.4 人工蜂群算法解决柔性作业车间调度问题的研究现状 |
| 1.5 本文工作内容 |
| 1.6 本文结构安排 |
| 第二章 相关理论基础 |
| 2.1 柔性作业车间调度问题 |
| 2.1.1 柔性作业车间调度描述 |
| 2.1.2 柔性作业车间的分类 |
| 2.1.3 柔性作业车间调度的研究方法 |
| 2.2 人工蜂群算法 |
| 2.2.1 人工蜂群算法基本思想 |
| 2.2.2 人工蜂群算法具体实现 |
| 2.3 本章小结 |
| 第三章 变步长人工蜂群算法求解单目标柔性作业车间调度问题 |
| 3.1 问题模型 |
| 3.2 变步长人工蜂群算法 |
| 3.2.1 算法总体流程 |
| 3.2.2 两段式实数编码 |
| 3.2.3 解码操作 |
| 3.2.4 种群初始化 |
| 3.2.5 雇佣蜂操作 |
| 3.2.6 观察蜂操作 |
| 3.2.7 侦察蜂操作 |
| 3.2.8 算法复杂度分析 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 第四章 两阶段混合人工蜂群算法求解多目标柔性作业车间调度问题 |
| 4.1 多目标优化概念 |
| 4.2 问题模型 |
| 4.3 两阶段混合人工蜂群算法 |
| 4.3.1 算法总体流程 |
| 4.3.2 种群初始化 |
| 4.3.3 交叉与变异操作 |
| 4.3.4 混合算法第一阶段 |
| 4.3.5 混合算法第二阶段 |
| 4.3.6 算法复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 参数分析 |
| 4.4.2 算法比较与分析 |
| 4.5 本章小结 |
| 第五章 改进多目标人工蜂群算法求解柔性作业车间动态调度问题 |
| 5.1 问题模型 |
| 5.2 改进多目标人工蜂群算法 |
| 5.2.1 算法总体流程 |
| 5.2.2 动态调度流程 |
| 5.2.3 算法复杂度分析 |
| 5.3 动态事件处理 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附录 |
（2）模糊柔性作业车间的调度优化算法研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 生产调度问题综述 |
| 1.2.1 问题分类 |
| 1.2.2 问题特征 |
| 1.2.3 研究方法 |
| 1.2.4 常见指标 |
| 1.2.5 模糊柔性作业车间调度综述 |
| 1.3 研究内容与章节安排 |
| 第二章 模糊柔性作业车间调度问题描述 |
| 2.1 引言 |
| 2.2 模糊集理论基础 |
| 2.2.1 模糊集的概念 |
| 2.2.2 模糊集的表示方法 |
| 2.2.3 模糊数及其运算特性 |
| 2.2.4 三角模糊数与梯形模糊数 |
| 2.3 模糊柔性作业车间调度问题的建模方法 |
| 2.3.1 建模分析与变量定义 |
| 2.3.2 模型分类 |
| 2.3.3 常用优化目标 |
| 2.4 fFJSP的量子粒子群算法基本架构 |
| 2.4.1 量子粒子群算法 |
| 2.4.2 量子粒子群算法的性能测试 |
| 2.4.3 量子粒子群算法求解fFJSP的可行性分析 |
| 2.4.4 基于量子粒子群算法的fFJSP优化流程 |
| 2.5 本章小结 |
| 第三章 单目标模糊柔性作业车间调度算法设计及实例 |
| 3.1 引言 |
| 3.2 单目标模糊柔性作业车间调度问题描述 |
| 3.2.1 数学优化模型 |
| 3.2.2 模糊生产参数的运算 |
| 3.3 面向fFJSP的混合量子粒子群算法设计 |
| 3.3.1 fFJSP的编码与解码 |
| 3.3.2 转换机制 |
| 3.3.3 粒子的边界修正策略 |
| 3.3.4 个体最优位置的协作更新 |
| 3.3.5 面向fFJSP的混合离散操作设计 |
| 3.3.6 HQPSO的优化流程 |
| 3.4 仿真实验与实例应用 |
| 3.4.1 实验设计与参数设置 |
| 3.4.2 实验结果与分析 |
| 3.4.3 实例应用 |
| 3.5 本章小结 |
| 第四章 多目标模糊柔性作业车间调度算法设计及实例 |
| 4.1 引言 |
| 4.2 多目标模糊柔性作业车间调度问题描述 |
| 4.2.1 多目标优化问题的基本理论 |
| 4.2.2 数学优化模型 |
| 4.3 面向MOfFJSP的改进多目标量子粒子群算法设计 |
| 4.3.1 MOfFJSP的编码与解码 |
| 4.3.2 转换机制 |
| 4.3.3 带权因子的平均最优位置 |
| 4.3.4 变高斯分布的局部吸引子 |
| 4.3.5 改进的协作更新策略 |
| 4.3.6 基于拥挤度熵的外部存档 |
| 4.3.7 IMOQPSO的优化流程 |
| 4.4 仿真实验与实例应用 |
| 4.4.1 实验设计与参数设置 |
| 4.4.2 实验结果与分析 |
| 4.4.3 实例应用 |
| 4.5 本章小结 |
| 第五章 光纤制造过程智能调度系统设计与实现 |
| 5.1 引言 |
| 5.2 系统需求分析 |
| 5.3 智能排产优化调度系统 |
| 5.3.1 系统开发与运行环境 |
| 5.3.2 系统设计理念 |
| 5.3.3 系统主要功能展示 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录: 作者在攻读硕士学位期间科研成果 |
（3）分布式阻塞流水车间调度方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究目标 |
| 1.3 相关领域国内外研究现状 |
| 1.4 研究现状总结及问题分析 |
| 1.5 研究内容 |
| 2 分布式阻塞流水车间调度体系架构研究 |
| 2.1 概述 |
| 2.2 分布式制造模式特点分析 |
| 2.3 分布式阻塞流水车间调度业务流程和关键决策点 |
| 2.4 分布式阻塞流水生产调度体系架构研究 |
| 2.5 分布式生产调度管控模式设计 |
| 2.6 本章小结 |
| 3 分布式阻塞流水车间静态调度研究 |
| 3.1 概述 |
| 3.2 分布式阻塞流水车间静态调度数学模型 |
| 3.3 标准果蝇优化算法介绍 |
| 3.4 离散果蝇优化算法流程描述 |
| 3.5 实验对比与分析 |
| 3.6 本章小结 |
| 4 分布式阻塞流水车间绿色调度研究 |
| 4.1 概述 |
| 4.2 分布式阻塞流水车间绿色调度数学模型 |
| 4.3 标准分布估计算法介绍 |
| 4.4 多目标分布估计算法流程描述 |
| 4.5 实验对比与分析 |
| 4.6 本章小结 |
| 5 分布式阻塞流水车间动态调度研究 |
| 5.1 概述 |
| 5.2 分布式阻塞流水车间动态调度流程关键问题研究 |
| 5.3 分布式阻塞流水车间动态调度数学模型 |
| 5.4 分布式阻塞流水车间动态调度策略 |
| 5.5 基于差分进化的Memetic算法流程 |
| 5.6 实验对比与分析 |
| 5.7 本章小结 |
| 6 分布式阻塞流水车间调度系统实现及应用 |
| 6.1 概述 |
| 6.2 分布式阻塞流水车间调度系统框架 |
| 6.3 系统开发模式和配置 |
| 6.4 系统应用模块设计 |
| 6.5 系统功能框架设计 |
| 6.6 系统功能实现和界面展示 |
| 6.7 系统应用实例 |
| 6.8 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 论文创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（4）面向开放式结构产品的智能制造车间实时调度方法（论文提纲范文）
| 0 引言 |
| 1 研究现状 |
| 2 车间实时调度问题描述 |
| 2.1 问题描述 |
| 2.2实时重调度问题描述 |
| 3 车间环境生产系统实时调度模型 |
| 3.1 基于自动机的异常事件监测模型 |
| (1)资源相关扰动事件 |
| (2)任务相关扰动事件 |
| 3.2 基于多代理系统的实时调度模型 |
| 4 车间环境生产系统实时调度方法 |
| 4.1 组合式调度规则表达 |
| 4.2 分层组合规则实时调度方法流程 |
| 5 实验 |
| 5.1 简单问题标准算例实验 |
| 5.2 复杂问题标准算例实验 |
| 5.3 工程实例 |
| 5.4 结果讨论 |
| 6 结束语 |
（5）离散智能车间扰动预测与高效运行管控方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 离散智能车间主要特征 |
| 1.2.2 车间扰动及扰动预测方法研究 |
| 1.2.3 车间运行管控及调度方法研究 |
| 1.3 论文研究内容及结构 |
| 第二章 基于改进FMEA的离散车间关键扰动分析与预测 |
| 2.1 离散车间扰动分析与预测框架 |
| 2.1.1 离散车间扰动描述与定义 |
| 2.1.2 离散车间关键扰动分析与预测框架 |
| 2.2 离散车间扰动层次划分方法 |
| 2.3 基于改进FMEA的离散车间关键扰动分析与预测方法 |
| 2.3.1 FMEA方法概述 |
| 2.3.2 离散车间扰动风险向量模型 |
| 2.3.3 离散车间扰动优先级与关键扰动预测 |
| 2.4 离散车间扰动风险向量应用与实施 |
| 2.4.1 扰动风险向量 |
| 2.4.2 车间扰动风险向量 |
| 2.5 本章小结 |
| 第三章 基于数据挖掘的离散车间潜在扰动预测 |
| 3.1 离散车间潜在扰动时间 |
| 3.1.1 理想作业时间流 |
| 3.1.2 实际作业时间流 |
| 3.1.3 潜在扰动时间 |
| 3.2 基于数据挖掘的离散车间潜在扰动预测方法 |
| 3.2.1 数据挖掘方法概述 |
| 3.2.2 离散车间数据源及分类 |
| 3.2.3 离散车间数据预处理关键方法 |
| 3.2.4 离散车间数据挖掘的潜在扰动预测 |
| 3.3 基于NBTree的离散车间数据挖掘算法 |
| 3.3.1 基于朴素贝叶斯的先验分类 |
| 3.3.2 基于C4.5的扰动预测 |
| 3.3.3 结合朴素贝叶斯和C4.5的NBTree算法 |
| 3.4 实验设计与分析 |
| 3.5 本章小结 |
| 第四章 扰动预测下的离散车间多目标静态调度优化 |
| 4.1 扰动预测下的离散车间多目标静态调度问题及优化模型 |
| 4.1.1 多目标优化理论 |
| 4.1.2 扰动预测下离散车间多目标静态调度问题及模型 |
| 4.2 混合进化算法和种群知识的离散车间多目标调度方法 |
| 4.2.1 工序属性特征选择 |
| 4.2.2 训练数据准备 |
| 4.2.3 种群知识挖掘 |
| 4.2.4 规则种群初始化 |
| 4.3 实验设计与分析 |
| 4.3.1 多目标进化算法优化 |
| 4.3.2 多目标性能指标 |
| 4.3.3 实验结果和讨论 |
| 4.4 本章小结 |
| 第五章 离散车间扰动下的重调度方法研究 |
| 5.1 离散车间扰动下重调度理论体系 |
| 5.1.1 扰动下的车间重调度问题 |
| 5.1.2 离散车间扰动下重调度理论框架 |
| 5.1.3 离散车间扰动下重调度关键技术 |
| 5.2 基于原计划接受度和重调度触发度的重调度驱动机制 |
| 5.3 离散车间扰动下的重调度模型与优化算法 |
| 5.3.1 问题描述 |
| 5.3.2 数学模型 |
| 5.3.3 算法设计 |
| 5.4 实例分析与应用 |
| 5.4.1 算法性能测试 |
| 5.4.2 实例描述与重调度仿真 |
| 5.4.3 平台开发 |
| 5.5 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 主要创新点 |
| 致谢 |
| 参考文献 |
| 附录1 :作者在攻读博士学位期间发表的论文 |
| 附录2 :质量和价格相关的扰动层次划分示意图 |
| 附录3 :质量和价格相关的扰动优先级矩阵 |
| 附录4 :LA18工序优先级 |
（6）机器翻译错误类型与译后编辑方法研究 ——以《失衡：经济生活中价值的重新诠释》为例（论文提纲范文）
| Acknowledgements |
| 摘要 |
| ABSTRACT |
| Part One Practice-based Research |
| Chapter 1 Project Description |
| 1.1 Background of the Project |
| 1.2 Introduction to the Author |
| 1.3 Introduction to the Source Text |
| 1.4 Characteristics of the Source Text |
| 1.5 Project Objectives |
| Chapter 2 Literature Review |
| 2.1 Introduction to Machine Translation |
| 2.2 Definition of Post-editing |
| 2.3 A General Review of Studies on Post-editing |
| 2.3.1 Domestic Studies on Post-editing |
| 2.3.2 Foreign Studies on Post-editing |
| Chapter 3 Process Description |
| 3.1 Pre-translation Work |
| 3.1.1 File Processing |
| 3.1.2 Term Base |
| 3.1.3 Selection of MT Engine and CAT Tool |
| 3.2 PE Process |
| 3.3 Quality Control |
| Chapter 4 Case Study of MT Errors |
| 4.1. Lexical Errors |
| 4.1.1 Under-translation |
| 4.1.2 Mistaken Form/Format |
| 4.1.3 Mistranslation of Terminology |
| 4.2 Syntactic Errors |
| 4.2.1 Improper Word Order |
| 4.2.2 Mistranslation of Phrases |
| 4.2.3 Mistranslation of Clauses |
| 4.2.4 Mistranslation of Passive Voice |
| 4.3 Discourse Errors |
| 4.3.1 Redundancy |
| 4.3.2 Inappropriate Collocation |
| 4.3.3 Confused Logic |
| 4.4 Summary |
| Chapter 5 PE Methods |
| 5.1 Context Theory |
| 5.2 PE Methods at Lexical Level |
| 5.2.1 Replacement |
| 5.2.2 Supplementation |
| 5.2.3 Omission |
| 5.3 PE Methods at Syntactic Level |
| 5.3.1 Segmenting and Reorganizing Sentence Structure |
| 5.3.2 Adjusting Word Order |
| 5.4 PE Methods at Discourse Level |
| 5.4.1 Using Cohesive Means |
| 5.4.2 Rewriting |
| Chapter 6 Conclusion |
| 6.1 Implications |
| 6.2 Limitations |
| REFERENCES |
| Part Two Translation Project |
| Term Base |
| Source Text and Target Text |
| 作者简历及在读期间所取得的科研成果 |
（7）基于数字孪生的断路器柔性作业车间插单重调度预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柔性作业车间调度问题研究现状 |
| 1.2.2 优化算法研究现状 |
| 1.2.3 数字孪生车间研究现状 |
| 1.3 本课题主要研究内容及结构安排 |
| 1.3.1 本课题来源 |
| 1.3.2 主要研究内容 |
| 1.3.3 论文结构安排 |
| 1.4 本章小结 |
| 第2章 断路器数字孪生车间系统框架 |
| 2.1 系统通用性与重用性 |
| 2.2 系统的总体设计思想 |
| 2.2.1 系统设计原则 |
| 2.2.2 孪生系统框架 |
| 2.2.3 系统设计方案 |
| 2.3 本章小结 |
| 第3章 断路器数字孪生车间 |
| 3.1 对象简介 |
| 3.1.1 断路器生产简介 |
| 3.1.2 断路器车间简介 |
| 3.1.3 Unity引擎简介 |
| 3.2 数字孪生车间框架 |
| 3.3 物理车间 |
| 3.3.1 支持服务模块 |
| 3.3.2 决策控制模块 |
| 3.3.3 智能感应模块 |
| 3.3.4 网络通讯模块 |
| 3.4 虚拟车间 |
| 3.4.1 三维模型 |
| 3.4.2 动力学模型 |
| 3.4.3 行为模型 |
| 3.4.4 规则模型 |
| 3.5 孪生数据 |
| 3.6 本章小结 |
| 第4章 断路器车间重调度模型 |
| 4.1 问题简述 |
| 4.2 基本模型参数 |
| 4.3 孪生数据参数 |
| 4.4 决策变量 |
| 4.5 目标函数 |
| 4.6 约束条件 |
| 4.7 本章小结 |
| 第5章 断路器车间重调度预测策略 |
| 5.1 重调度预测机制 |
| 5.1.1 插单事件的时间预测 |
| 5.1.2 插单事件的形式预测 |
| 5.2 决策变量的编码/解码 |
| 5.3 算法寻优策略 |
| 5.4 分布式计算原理 |
| 5.5 本章小结 |
| 第6章 断路器车间重调度预测实验与分析 |
| 6.1 数字孪生车间 |
| 6.1.1 界面设计 |
| 6.1.2 人机交互 |
| 6.1.3 系统漫游 |
| 6.1.4 系统优化 |
| 6.1.5 车间展示 |
| 6.2 实验参数与数据 |
| 6.3 单批订单插入实验 |
| 6.4 多批订单插入实验 |
| 6.5 实验分析 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.1.1 主要工作 |
| 7.1.2 论文创新点 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间参加科研项目和研究成果 |
（8）面向分布式制造的建材装备集团绿色生产调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 我国建材装备制造行业的发展现状 |
| 1.1.2 建材装备制造企业集团式发展面临的挑战 |
| 1.2 课题的提出 |
| 1.3 研究目的及意义 |
| 1.4 相关领域国内外研究现状 |
| 1.4.1 分布式制造模式概述 |
| 1.4.2 分布式生产调度理论研究现状 |
| 1.4.3 绿色生产调度优化理论研究现状 |
| 1.4.4 生产调度冲突协调方法研究现状 |
| 1.5 现有研究存在的局限与不足 |
| 1.6 课题项目支撑 |
| 1.7 论文研究内容 |
| 第二章 面向分布式制造的建材装备集团绿色生产调度体系 |
| 2.1 概述 |
| 2.2 建材装备集团分布式制造模式分析 |
| 2.2.1 建材装备集团分布式制造模式特点 |
| 2.2.2 建材装备集团制造任务特征 |
| 2.2.3 面向分布式制造的建材装备集团生产调度决策重点 |
| 2.3 面向分布式制造的建材装备集团绿色生产调度体系设计 |
| 2.3.1 建材装备集团绿色生产调度关键问题分析 |
| 2.3.2 面向分布式制造的建材装备集团绿色生产调度体系结构 |
| 2.4 本章小结 |
| 第三章 面向分布式制造的集团总部绿色制造任务分配优化方法 |
| 3.1 概述 |
| 3.2 绿色制造任务分配优化方法 |
| 3.2.1 问题描述 |
| 3.2.2 优化方法总体流程 |
| 3.2.3 多目标优化执行过程 |
| 3.2.4 人工神经网络执行过程 |
| 3.3 相关执行算法设计 |
| 3.3.1 人工神经网络结构设计 |
| 3.3.2 动态步长萤火虫群优化算法设计 |
| 3.4 实例分析 |
| 3.4.1 实例数据 |
| 3.4.2 神经网络训练集构建 |
| 3.4.3 人工神经网络训练 |
| 3.4.4 人工神经网络应用 |
| 3.5 本章小结 |
| 第四章 面向分布式制造的集团下属企业绿色车间集成调度优化方法 |
| 4.1 概述 |
| 4.2 绿色车间集成调度优化模型 |
| 4.2.1 问题描述 |
| 4.2.2 车间集成调度环境影响分析 |
| 4.2.3 车间集成调度综合能耗优化模型 |
| 4.2.4 基于混合整数规划的绿色车间集成调度优化模型 |
| 4.3 模型求解算法设计 |
| 4.3.1 算法总体结构设计 |
| 4.3.2 编码方式 |
| 4.3.3 绿色运输调度启发式策略设计 |
| 4.3.4 遗传算法设计 |
| 4.3.5 萤火虫群优化算法设计 |
| 4.4 实例分析 |
| 4.4.1 实例数据 |
| 4.4.2 性能对比实验 |
| 4.4.3 能耗对比实验 |
| 4.4.4 综合对比实验 |
| 4.5 本章小结 |
| 第五章 面向分布式制造的集团绿色生产调度冲突协调方法 |
| 5.1 概述 |
| 5.2 绿色生产调度冲突协调模型 |
| 5.2.1 问题描述 |
| 5.2.2 模型假设 |
| 5.2.3 多目标集团生产调度优化模型 |
| 5.2.4 多主体协作冲突检测模型 |
| 5.2.5 基于非合作博弈的冲突协调模型 |
| 5.3 基于NSGA-和纳什均衡的求解算法 |
| 5.3.1 多导向NSGA-算法 |
| 5.3.2 冲突协调算法求解过程 |
| 5.4 实例分析 |
| 5.4.1 实例数据 |
| 5.4.2 多目标优化性能分析 |
| 5.4.3 非合作博弈分析 |
| 5.4.4 冲突协调结果分析 |
| 5.5 本章小结 |
| 第六章 面向分布式制造的集团绿色生产调度平台开发与应用 |
| 6.1 概述 |
| 6.2 平台开发背景与运行环境 |
| 6.2.1 平台开发背景 |
| 6.2.2 平台开发相关软硬件工具 |
| 6.2.3 平台开发环境与架构分析 |
| 6.3 平台开发设计与实现 |
| 6.3.1 平台功能框架设计 |
| 6.3.2 集团分布式绿色生产调度功能设计 |
| 6.3.3 集团绿色生产调度冲突协调功能设计 |
| 6.4 平台应用实例 |
| 6.4.1 集团制造任务信息构建 |
| 6.4.2 集团总部级绿色制造任务分配 |
| 6.4.3 下属企业级绿色车间集成调度 |
| 6.4.4 集团绿色生产调度冲突协调 |
| 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 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读学位期间发表的学术论文 |
| 附录 B:攻读学位期间参与的科研课题 |
| 附录 C:项目验收报告 |
| 附录 D:论文相关符号定义 |
（9）若干加工具有分阶段特性的调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 调度问题及三参数表示 |
| 1.2 近似算法和最坏情况界 |
| 1.3 多阶段车间作业调度问题 |
| 1.4 论文概述 |
| 第2章 流水作业环境下机器具有多功能特性的调度问题 |
| 2.1 引言 |
| 2.2 问题的形式化描述 |
| 2.3 问题的1.615-近似算法 |
| 2.4 算法的最坏情况界分析 |
| 2.5 本章小结 |
| 第3章 流水作业机器环境下的加工与运输协同调度问题 |
| 3.1 引言 |
| 3.2 问题的形式化描述 |
| 3.3 问题的(5/3+∈)-近似算法 |
| 3.3.1 定义“大工件”和“小工件” |
| 3.3.2 定义“配置C” |
| 3.3.3 近似算法H |
| 3.3.4 子算法H_1 |
| 3.4 近似算法H的最坏情况界分析 |
| 3.5 本章小结 |
| 第4章 两阶段流水作业机器环境下的专用机调度问题 |
| 4.1 引言 |
| 4.2 问题的形式化描述 |
| 4.3 问题F_2(P_m,D_2)|| C_(max)的2-近似算法 |
| 4.4 问题F_2(P_m,D_2)||C_(max)的多项式时间近似方案(PTAS) |
| 4.4.1 准备 |
| 4.4.2 刻画工序调度方式 |
| 4.4.3 具体的动态规划 |
| 4.4.4 转化为可行调度 |
| 4.5 本章小结 |
| 第5章 并行异顺序作业调度问题研究 |
| 5.1 引言 |
| 5.2 问题P_m(J_2)|| C_(max)的研究 |
| 5.2.1 问题的形式化描述 |
| 5.2.2 问题P_m(J_2)|| C_(max)的动态规划算法 |
| 5.2.3 问题P_m(J_2)|| C_(max)的完全多项式时间近似方案(FPTAS) |
| 5.3 问题P_m(J_s)||C_(max)的研究 |
| 5.3.1 问题P_m(J_s)||C_(max)的形式化描述 |
| 5.3.2 问题P_m(J_s)||C_(max)的多项式时间近似方案(PTAS) |
| 5.4 本章小结 |
| 第6章 总结和展望 |
| 参考文献 |
| 附录 攻读学位期间的研究成果 |
| 致谢 |
（10）双资源约束的航空发动机作业车间调度研究（论文提纲范文）
| 中文摘要 |
| Abstarct |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状综述 |
| 1.2.1 双资源约束的作业车间调度问题研究现状 |
| 1.2.2 航空发动机作业车间调度问题研究现状 |
| 1.2.3 云模型与遗传算法结合的研究现状 |
| 1.3 研究目的及意义 |
| 1.4 研究内容及章节安排 |
| 1.5 本章小结 |
| 2 相关理论基础研究 |
| 2.1 双资源约束相关理论 |
| 2.2 作业车间调度优化方法 |
| 2.3 云遗传算法相关理论 |
| 2.3.1 遗传算法 |
| 2.3.2 云模型的内涵 |
| 2.3.3 基于云模型的遗传算法 |
| 2.4 本章小结 |
| 3 双资源约束的航空发动机作业车间调度模型研究 |
| 3.1 航空发动机作业车间调度问题分析 |
| 3.2 航空发动机DRCJSP问题描述 |
| 3.3 航空发动机DRCJSP模型构建 |
| 3.3.1 定义DRCJSP模型变量 |
| 3.3.2 确定DRCJSP优化目标 |
| 3.3.3 设计DRCJSP约束条件 |
| 3.4 基于扰动事件的再调度设计 |
| 3.4.1 滚动窗口技术分析 |
| 3.4.2 事件驱动再调度 |
| 3.5 基于云模型的遗传算法设计 |
| 3.5.1 确定编码解码方式 |
| 3.5.2 构建适值函数 |
| 3.5.3 初始化种群 |
| 3.5.4 设计云遗传操作 |
| 3.5.5 明确终止条件 |
| 3.5.6 实现再调度 |
| 3.6 航空发动机DRCJSP算例验证 |
| 3.6.1 算例分析 |
| 3.6.2 结果分析 |
| 3.7 本章小结 |
| 4 应用验证 |
| 4.1 A公司航空发动机作业车间问题分析 |
| 4.2 机加作业车间调度问题描述 |
| 4.3 航空发动机DRCJSP模型应用 |
| 4.3.1 基本数据整理 |
| 4.3.2 模型求解 |
| 4.4 应对扰动的策略 |
| 4.4.1 设备故障预测策略 |
| 4.4.2 操作工人培养 |
| 4.4.3 车间调度系统完善 |
| 4.5 应用效果分析 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读硕士学位期间参与的项目 |
| B.攻读硕士学位期间发表及完成的论文目录 |
| C.学位论文数据集 |
| 致谢 |
四、多功能机床环境下的Job Shop问题研究（论文参考文献）
- [1]改进人工蜂群算法及其在柔性作业车间调度的应用研究[D]. 马铭阳. 南京信息工程大学, 2021(01)
- [2]模糊柔性作业车间的调度优化算法研究与应用[D]. 李俊萱. 江南大学, 2021(01)
- [3]分布式阻塞流水车间调度方法研究[D]. 张晓辉. 中国矿业大学, 2020(07)
- [4]面向开放式结构产品的智能制造车间实时调度方法[J]. 吴晓强,田松龄,郑淑贤,项忠霞. 计算机集成制造系统, 2020(10)
- [5]离散智能车间扰动预测与高效运行管控方法研究[D]. 仇永涛. 江南大学, 2020
- [6]机器翻译错误类型与译后编辑方法研究 ——以《失衡：经济生活中价值的重新诠释》为例[D]. 王玲玲. 浙江大学, 2020(08)
- [7]基于数字孪生的断路器柔性作业车间插单重调度预测研究[D]. 杨秒. 武汉理工大学, 2020
- [8]面向分布式制造的建材装备集团绿色生产调度研究[D]. 刘正超. 武汉理工大学, 2020
- [9]若干加工具有分阶段特性的调度问题研究[D]. 潘虹. 浙江理工大学, 2020(02)
- [10]双资源约束的航空发动机作业车间调度研究[D]. 冯亚芳. 重庆大学, 2019(01)