《CIMS下生产批量计划理论及其应用》求取 ⇩

第一章 绪论1

1.1 CIMS下生产批量计划产生的背景1

1.2 CIMS下生产批量计划问题的求解方法2

1.3 生产批量计划的定义及分类3

2.2.1 遗传算法的理论研究5

第一部分解决生产批量计划问题的遗传算法理论研究5

15.1 问题提出的背景、研究意义和现状*115

15.2 轧钢厂生产作业计划的总体结构*115

第二章 遗传算法的研究意义、现状及基本原理5

2.1 遗传算法的研究意义5

2.2 遗传算法的研究现状5

2.2.2 遗传算法应用研究6

2.3.1 遗传算法的基本算法流程6

2.3 遗传算法的基本原理6

15.3.3 轧制批量计划并行处理策略的多旅行商问题的模型及算法*117

2.3.2 适应性函数的选择方式7

2.3.3 遗传算子操作7

3.1 约束最优化问题的提出和研究意义8

3.2 约束最优化问题的遗传编码和遗传算子8

3.2.1 二进制变量的串行编码和遗传算子8

第三章 约束最优化问题的遗传算法理论8

3.2.2 二进制部分变量编码和遗传算子10

3.2.3 二进制混合策略串型编码10

3.2.4 自然数编码11

3.2.5 两段自然数的基因编码11

3.3 约束最优化的遗传算法应用14

3.4 小结14

3.2.6 非数值向量编码14

4.1 遗传算法求解TSP问题简述16

4.2 TSP问题的两交换启发式交叉遗传算法16

4.2.1 两交换启发式交叉方法（HGA）的基本原理16

第四章 旅行商问题（TSP）的改进遗传算法16

4.2.2 变异方法18

4.3 TSP问题的三交换启发式交叉变参遗传算法18

4.3.1 三交换启发式交叉方法的基本原理18

4.3.2 交叉概率的变参方法19

4.3.3 变异概率的变参方法19

4.4 仿真实验20

4.4.1 对称TSP问题的仿真实验20

4.4.2 非对称TSP的实验设计20

4.5 小结21

5.1.1 系统聚类法23

5.1.2 动态聚类法23

5.1.3 数学规划和图论方法23

5.1 聚类分析问题研究的背景、意义和现状23

第五章 批量组合的方法——聚类分析的新算法23

第二部分离散制造业生产批量计划方法23

5.2 聚类分析的遗传算法24

5.2.1 K－均值算法的最优数学模型24

5.2.3 采用非0、1编码的遗传算法（CLUST/GA2）24

15.5.2 热轧计划建模策略*124

5.2.2 采用0、1编码的遗传算法（CLUST/GA1）24

5.2.4 适应性函数的选择与计算25

5.2.5 仿真实验结果25

15.5.3 热轧计划串行处理策略的单TSP模型*125

5.3 基于P－中位模型的聚类分析的两种拉格朗日松弛算法26

5.3.1 聚类问题的P－中位模型的数学表达26

5.3.2 基于P－中位模型的聚类问题的两种拉格朗日松弛法27

5.3.3 拉格朗日松弛问题的求解28

5.3.4 启发式算法获得原问题可行解28

5.3.5 P-Clust问题的拉格朗日松弛法的计算步骤29

5.3.6 仿真实验结果30

5.4 小结31

第六章 成组技术中的零件分簇问题的遗传算法32

6.2 成组技术中的零件分簇问题的研究简述32

6.1 成组技术中的零件分簇问题的研究背景和意义32

6.3.1 零件分簇的P－中位模型的描述33

6.3.2 P－中位模型解的性质33

6.3 成组技术中基于P－中位模型的遗传算法33

6.3.3 P－中位模型的遗传算法（PGA）34

6.3.4 P－中位模型遗传算法（PGA）的计算结果与分析36

6.4 成组技术中基于二次规划模型的两种遗传算法36

6.4.1 成组技术的二次规划模型36

6.4.2 以解的序号为基因值编码的遗传算法（QAP/GA1）37

6.4.3 以簇号为基因值编码的遗传算法（QAP/GA2）38

6.4.4 两种算法的计算结果38

6.5 小结39

7.2 单级批量计划问题研究现状40

7.1 单级批量计划问题提出的背景和意义40

第七章 CIMS下单级批量计划问题的研究40

7.3.1 SLULSP问题的数学模型41

7.3 单级无能力约束批量计划问题（SLULSP）的遗传算法41

7.3.2 SLULSP问题最优解的性质41

7.3.3 SLULSP问题的遗传算法42

7.3.4 实验仿真结果43

7.4 求解单级单资源批量计划问题（CLSP）的新算法43

7.4.1 CLSP问题的数学模型44

7.4.2 CLSP问题的拉格朗日松弛法44

7.4.4 初始上限的启发式算法（HA1）46

7.4.3 子问题LPi（u）动态规划算法（DP）46

7.4.5 启发式算法获得原问题可行解47

7.4.6 实验设计53

7.5 CIMS中带多资源的单级批量计划问题的遗传算法54

7.5.2 带多资源单级批量计划问题的遗传算法54

7.5.1 带多资源单级批量计划问题的数学模型54

7.5.3 应用实例与仿真实验56

7.6 小结58

8.1 问题提出的背景和意义59

8.2 无能力约束成组批量计划问题的模型和算法59

第八章 CIMS基于成组单元的生产批量计划问题的研究59

8.2.1 无能力约束成组批量计划问题的数学模型59

8.2.2 无能力约束GTLS问题最优解的性质60

8.2.3 无能力约束GTLS问题的遗传算法61

8.2.4 无能力约束GTLS问题的启发式算法62

8.2.5 无能力约束GTLS问题的应用实例和仿真结果62

8.3 多资源约束GTLS问题的模型和遗传算法63

8.3.1 多资源约束成组批量计划问题模型GTLS问题的数学模型63

8.3.2 多资源约束GTLS问题的遗传算法64

8.3.3 多资源约束GTLS问题的遗传算法仿真实验65

8.4 小结66

9.1 问题研究的背景和现状67

第九章 CIMS下MRP-Ⅱ多级生产批量计划问题的研究67

9.2.1 问题的描述及数学模型68

9.2 多级无能力约束批量计划问题的模型与算法68

9.2.3 问题（P6）的遗传算法69

9.2.2 问题（P6）最优解的性质69

9.2.4 无能力多级批量计划问题的启发式算法70

9.2.5 应用实例和仿真结果71

9.3.2 多资源约束MLLS问题遗传算法染色体的构造72

9.3.1 数学模型72

9.3 多资源约束MLLS问题的基于线性规划分解算法的遗传算法72

9.3.3 对应任意调整模式的模型变换73

9.3.4 问题（P7-1）的分解算法74

9.3.5 评价函数的选取75

9.3.6 多资源约束的MLLS问题的遗传算法75

9.3.7 应用实例76

9.4 小结77

10.1 引言78

10.2 主生产计划系统的开发策略和系统结构78

10.2.1 主生产计划设计思想及开发策略78

第十章 批量计划理论的应用——主生产计划系统（MPS）的开发78

10.2.2 主生产计划系统的总体结构79

10.3 主生产计划模型参数自动生成的原理79

10.3.3 模型直接参数80

10.3.1 情景确定参数80

10.3.2 间接模型参数80

10.3.4 模型参数生成的控制结构80

10.4 主生产计划的人机交互调整81

10.5 实际运行情况及结构82

第三部分钢铁企业CIMS下生产批量计划问题研究84

11.1 钢铁企业与机械制造业的主要生产工艺对比分析84

第十一章 钢铁企业CIMS特点和体系结构的研究84

11.2 钢铁企业与机械制造业生产管理对比分析85

11.3 钢铁企业CIMS与机械制造企业CIMS对比分析87

11.4.1 CIMS下钢铁企业生产计划管理递阶体系的组成原则88

11.4.2 CIMS下钢铁企业生产计划管理递阶体系的结构88

11.4 CIMS下钢铁生产计划管理的递阶体系88

11.5 钢铁企业CIMS体系结构的研究89

11.5.1 钢铁CIMS的发展简述89

11.5.1 钢铁CIMS的体系结构89

11.6 小结90

第十二章 炼钢－连铸最优炉次计划的结构、模型与算法91

12.1 炼钢－连铸生产计划与调度问题的研究背景和意义91

12.1.1 炼钢－连铸生产计划与调度问题的研究意义和现状91

12.1.2 炼钢－连铸工艺流程及其特点91

12.2 炼钢－连铸的生产计划与控制问题总体结构92

12.4.1 最优炉次计划的数学模型93

12.4 最优炉次计划的数学模型及解的性质93

12.3 最优炉次计划问题提出的工艺背景及工艺约束93

12.4.2 CDP模型解的性质94

12.5 最优炉次计划模型的遗传算法（CDP/GA）95

12.5.2 适应性函数和遗传算子的构造95

12.5.1 CDP问题的染色体结构95

12.5.3 译码计算95

12.6 应用实例97

12.7 小结98

第十三章 炼钢－连铸最优浇次（CAST）计划的模型与算法99

13.1 浇次计划问题的工艺背景及工艺约束条件99

13.2.1 无剩余炉次最优浇次计划的数学模型100

13.2 无剩余炉次、浇次数已知的最优浇次模型与算法100

13.2.2 最优浇次CAST1模型的遗传算法101

13.2.3 模型CAST1的应用实例102

13.3 有剩余炉次、浇次数未知的最优浇次计划模型与算法103

13.3.1 有剩余炉次、浇次数未知的最优浇次计划的数学模型104

13.3.2 最优浇次CAST2模型的启发式算法104

13.3.3 模型CAST2的应用实例106

13.4 小结107

14.2 炼钢－连铸作业调度计划的基本结构108

第十四章 基于准时制的炼钢－连铸生产调度问题研究108

14.1 炼钢－连铸生产调度问题的研究背景108

14.3.1 建模因素抽取109

14.3 机器冲突消除最优调度问题的数学模型109

14.3.2 符号定义110

14.3.3 炼钢－连铸调度数学模型110

14.4 炼钢－连铸调度数学模型的求解方法111

14.5 应用实例112

14.6 小结114

第十五章 轧钢厂生产批量计划问题的研究115

15.3.1 轧钢厂生产批量计划问题的特征及建模处理策略116

15.3.2 轧制批量计划串行处理策略的单TSP模型116

15.3 轧钢厂生产批量计划的优化模型116

15.4 热轧钢管（型钢）生产批量计划的实例应用研究119

15.4.1 热轧钢管生产工艺简介119

15.4.2 热轧钢管轧制顺序计划问题的特征及处理策略120

15.4.3 热轧钢管轧批顺序计划的数学模型与算法121

15.4.4 应用实例122

15.5.1 问题提出的背景123

15.5 热轧带钢轧制批量计划的实例应用研究123

15.6 小结128

结论130

附录132

参考文献138