文献综述（或调研报告）：
近年来计算机辅助工艺设计（CAPP）中的工序排序问题引起了广泛的关注，很多优化算法被提出来解决工序排序问题。黄乃康[1]介绍了当前 CAPP 系统中工序工步排序研究的现状和发展，由于“机械制造中的工艺设计，由于受产品品种多样性、制造过程离散性、生产环境复杂性和系统状态模糊性的综合影响，使得工序工步排序变成一种极其复杂的决策过程”，关于工序工步排序的研究不仅仅是一个简单的基于知识的决策系统，它是一个最优化的过程，而当排序的规模趋于变大时，这个寻找最优解的过程会变得非常复杂，利用枚举的方法来找出最佳序列是几乎不可能的，因此必须采用智能优化算法来解决问题，获得最（近）优解。
如今计算机辅助工艺设计（CAPP）主要涉及的问题有加工工序的排序问题和切削参数的优化问题，另外工艺规划的相关软件也较为欠缺，于是针对以下3个方面阐述当前的研究现状：
（1）工序排序优化
工序排序优化问题受到产品品种多样性、制造过程离散性、生产环境复杂性和系统状态模糊性的影响，是一个极其复杂的决策过程。
Ramos 等[2]提出了一种计算优先图复杂度的计算方法，创建了槽块理论用于计算优先图中所有可行工序排列的数量。该理论可作为本研究中复杂度分析的参考。
Wang等[3]提出了一种基于有向图的两阶段蚁群的工艺规划方法。Yun等[4]提出了一种基于拓扑排序的遗传算法用于解决具有优先级约束的排序问题。其改变遗传算法中传统的交叉和变异方式，基于拓扑排序对交叉与变异过程进行修改，进而得到一种新的遗传算法，并将其用于旅行商问题中，与普通的基于优先级的遗传算法进行比较，实验表明基于拓扑优化的遗传算法表现更优。文中提到的基于拓扑排序改变传统交叉和变异的方式，对解决有优先约束的排序问题提供了一种新的解决方法。Dou等[5]针对CAPP中工序排序问题提出了一种可行序列导向的离散粒子群优化方法。为解决操作中的优先约束问题，通过适当的编码和更新可行序列来实现约束的满足，并且提出了基于片段交叉和基于片段变异的更新方式以保持工序序列的可行性，同时使用统一变异与贪婪变异相结合改变工序中资源配置。其使用自适应变异概率和田口实验法来决定优化算法用到的关键参数。针对生产实例创建模型，并将该算法与其他算法得到的结果相比较，验证了该算法的有效性与优越性。其所用实例拟作为本研究中的实例进行分析，其基于片段的交叉和变异来保证序列可行性的方法值得参考，其采用自适应参数变化和田口实验法来决定优化算法关键参数亦值得学习。
（2）切削参数优化
切削参数的优化问题涉及到不同的实际生产过程中，很多学者针对不同的生产实践过程使用不同的优化算法对工艺参数进行优化。
Ghosh 等[6]使用人工神经网络，遗传算法与粒子群算法对键槽铣削过程中表面粗糙度进行建模与优化。S Kamaruddin等[7]使用差分进化(DE)算法来获取降低数控铣削过程中的粗糙度的最优切削参数；Mellal and Williams[8]将布谷鸟搜索(CS)算法与hoopoe算法结合，对高级加工工艺进行参数优化，生产复杂的型材；Huang等[9]提出了一种基于教学的布谷鸟算法用于结构设计与加工过程中的参数优化问题；Chen等[10]使用粒子群优化算法在等温锻造过程中对工艺参数进行优化。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
