当前位置:首页 > 经济
CIMS下生产批量计划理论及其应用
CIMS下生产批量计划理论及其应用

CIMS下生产批量计划理论及其应用PDF电子书下载

经济

  • 电子书积分:8 积分如何计算积分?
  • 作 者:唐立新著
  • 出 版 社:北京:科学出版社
  • 出版年份:1999
  • ISBN:7030067533
  • 页数:143 页
图书介绍:
《CIMS下生产批量计划理论及其应用》目录

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*11 5

15.2 轧钢厂生产作业计划的总体结构*11 5

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*11 7

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*1 24

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*1 25

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

返回顶部