第一章绪论

1.1CIMS下生产批量计划产生的背景

1.2CIMS下生产批量计划问题的求解方法

1.3生产批量计划的定义及分类

第一部分解决生产批量计划问题的遗传算法理论研究

第二章遗传算法的研究意义、现状及基本原理

2.1遗传算法的研究意义

2.2遗传算法的研究现状

2.2.1遗传算法的理论研究

2.2.2遗传算法应用研究

2.3遗传算法的基本原理

2.3.1遗传算法的基本算法流程

2.3.2适应性函数的选择方式

2.3.3遗传算子操作

第三章约束最优化问题的遗传算法理论

3.1约束最优化问题的提出和研究意义

3.2约束最优化问题的遗传编码和遗传算子

3.2.1二进制变量的串行编码和遗传算子

3.2.2二进制部分变量编码和遗传算子

3.2.3二进制混合策略串型编码

3.2.4自然数编码

3.2.5两段自然数的基因编码

3.2.6非数值向量编码

3.3约束最优化的遗传算法应用

3.4小结

第四章旅行商问题(TSP)的改进遗传算法

4.1遗传算法求解TSP问题简述

4.2TSP问题的两交换启发式交叉遗传算法

4.2.1两交换启发式交叉方法(HGA)的基本原理

4.2.2变异方法

4.3TSP问题的三交换启发式交叉变参遗传算法

4.3.1三交换启发式交叉方法的基本原理

4.3.2交叉概率的变参方法

4.3.3变异概率的变参方法

4.4仿真实验

4.4.1对称TSP问题的仿真实验

4.4.2非对称TSP的实验设计

4.5小结

第二部分离散制造业生产批量计划方法

第五章批量组合的方法――聚类分析的新算法

5.1聚类分析问题研究的背景、意义和现状

5.1.1系统聚类法

5.1.2动态聚类法

5.1.3数学规划和图论方法

5.2聚类分析的遗传算法

5.2.1K?簿?值算法的最优数学模型

5.2.2采用0、1编码的遗传算法(CLUST/GA1)

5.2.3采用非0、1编码的遗传算法(CLUST/GA2)

5.2.4适应性函数的选择与计算

5.2.5仿真实验结果

5.3基于P?仓形荒Ｐ偷木劾喾治龅牧街掷?格朗日松驰算法

5.3.1聚类问题的P?仓形荒Ｐ偷氖?学表达

5.3.2基于P?仓形荒Ｐ偷木劾辔侍獾牧街掷?格朗日松驰法

5.3.3拉格朗日松驰问题的求解

5.3.4启发式算

......