工業(yè)混雜系統(tǒng)智能調(diào)度

第1章　緒論 001
1.1　生產(chǎn)調(diào)度問題及其分類 002
1.2　生產(chǎn)調(diào)度問題的描述 007
1.3　生產(chǎn)調(diào)度問題的優(yōu)化方法 011
1.3.1　傳統(tǒng)數(shù)學(xué)運(yùn)籌學(xué)方法 011
1.3.2　啟發(fā)式規(guī)則方法 012
1.3.3　智能優(yōu)化方法 014
1.4　不確定性生產(chǎn)調(diào)度 024
1.4.1　不確定性因素的分類 024
1.4.2　不確定性因素的數(shù)學(xué)描述 025
1.4.3　不確定性生產(chǎn)調(diào)度方法 026
參考文獻(xiàn) 028
第2章　工業(yè)混雜系統(tǒng)生產(chǎn)調(diào)度數(shù)學(xué)模型 033
2.1　生產(chǎn)調(diào)度問題模型概述 034
2.2　間歇生產(chǎn)調(diào)度數(shù)學(xué)模型 035
2.3　不確定性調(diào)度數(shù)學(xué)模型 044
2.3.1　基于模糊規(guī)劃的生產(chǎn)調(diào)度模型 045
2.3.2　基于隨機(jī)規(guī)劃的生產(chǎn)調(diào)度模型 057
參考文獻(xiàn) 063
第3章　基于進(jìn)化算法的確定性離散過程生產(chǎn)調(diào)度 067
3.1　基于協(xié)同進(jìn)化遺傳算法的智能調(diào)度 068
3.1.1　遺傳算法 068
3.1.2　基本合作型協(xié)同進(jìn)化遺傳算法 074
3.1.3　災(zāi)變合作型協(xié)同進(jìn)化遺傳算法 083
3.1.4　基于災(zāi)變合作型協(xié)同進(jìn)化遺傳算法的Job Shop調(diào)度 088
3.2　基于免疫優(yōu)化算法的智能調(diào)度 097
3.2.1　免疫系統(tǒng)理論 097
3.2.2　改進(jìn)的免疫優(yōu)化算法 105
3.2.3　內(nèi)分泌免疫算法 108
3.2.4　基于內(nèi)分泌激素調(diào)節(jié)機(jī)制的零等待Flow Shop免疫調(diào)度算法 113
3.2.5　基于內(nèi)分泌免疫算法的中間儲罐有限存儲時間Flow Shop調(diào)度算法 128
3.3　基于文化算法的智能調(diào)度 137
3.3.1　文化算法 137
3.3.2　災(zāi)變型文化算法 142
3.3.3　基于災(zāi)變型文化算法的無限中間存儲時間的多產(chǎn)品調(diào)度 146
3.3.4　仿真研究 148
參考文獻(xiàn) 156
第4章　基于群智能優(yōu)化算法的離散過程生產(chǎn)調(diào)度 159
4.1　基于粒子群優(yōu)化算法的智能調(diào)度 160
4.1.1　粒子群優(yōu)化算法 160
4.1.2　基于混合粒子群算法的Flow Shop生產(chǎn)調(diào)度 167
4.1.3　仿真研究 179
4.2　基于蟻群算法的智能調(diào)度 191
4.2.1　基本蟻群算法 191
4.2.2　改進(jìn)的蟻群算法 199
4.2.3　基于改進(jìn)蟻群優(yōu)化算法的Job Shop調(diào)度 204
4.3　基于混沌量子粒子群優(yōu)化算法的智能調(diào)度 213
4.3.1　量子粒子群優(yōu)化算法 213
4.3.2　混沌優(yōu)化算法 214
4.3.3?混沌量子粒子群優(yōu)化算法 218
4.3.4　基于混沌量子粒子群優(yōu)化算法的置換流水車間調(diào)度 221
4.4　基于生物地理學(xué)優(yōu)化算法的智能調(diào)度 232
4.4.1　生物地理學(xué)優(yōu)化算法 232
4.4.2　基于改進(jìn)的BBO算法的混合流水車間調(diào)度 237
4.4.3　仿真及試驗(yàn) 241
參考文獻(xiàn) 247
第5章　復(fù)雜生產(chǎn)過程調(diào)度問題的研究 251
5.1　基于離散正弦優(yōu)化算法的零空閑置換Flow Shop調(diào)度 252
5.1.1　零空閑置換Flow Shop調(diào)度問題 253
5.1.2　求解零空閑置換Flow Shop調(diào)度問題的離散正弦優(yōu)化算法 255
5.1.3　仿真及分析 261
5.2　基于貪婪引力搜索算法的混合零空閑置換Flow Shop調(diào)度 268
5.2.1　混合零空閑置換Flow Shop調(diào)度問題 268
5.2.2　求解混合零空閑置換Flow Shop調(diào)度問題的貪婪引力搜索算法 271
5.2.3　仿真及分析 278
5.3　基于教與學(xué)和分布估計(jì)混合算法的異速并行機(jī)Flow Shop調(diào)度問題 285
5.3.1　異速并行機(jī)Flow Shop調(diào)度問題建模 285
5.3.2　基本教與學(xué)優(yōu)化算法 289
5.3.3　求解異速并行機(jī)Flow Shop調(diào)度的教與學(xué)和分布估計(jì)混合算法 292
5.3.4　仿真研究 298
參考文獻(xiàn) 303
第6章　不確定環(huán)境下的生產(chǎn)調(diào)度 307
6.1　基于免疫算法的不確定智能調(diào)度 308
6.1.1　不確定條件下零等待存儲策略的Flow Shop調(diào)度問題 308
6.1.2　不確定條件下中間儲罐存儲時間有限型Flow Shop調(diào)度問題 317
6.2　基于分布估計(jì)算法的不確定智能調(diào)度 321
6.2.1　基于分布估計(jì)算法的中間存儲時間有限模糊Flow Shop調(diào)度 321
6.2.2　基于改進(jìn)分布估計(jì)算法的帶并行機(jī)模糊混合Flow Shop調(diào)度 338
6.3　基于分散搜索機(jī)制粒子群算法的模糊Flow Shop提前拖期調(diào)度 352
6.3.1　不確定Flow Shop提前拖期調(diào)度的模糊規(guī)劃模型 352
6.3.2　求解模糊Flow Shop提前拖期調(diào)度的分散搜索機(jī)制粒子群算法 356
6.3.3　仿真及分析 363
參考文獻(xiàn) 369
第7章　不確定條件下多目的間歇過程的短期調(diào)度 371
7.1　單周期需求不確定條件下多目的間歇過程的短期調(diào)度 372
7.1.1　單周期需求不確定條件下多目的間歇過程短期調(diào)度模型 372
7.1.2　單周期需求不確定條件下多目的間歇過程短期調(diào)度模型的求解 376
7.1.3　仿真研究 382
7.2　多周期需求不確定條件下多目的間歇過程的短期調(diào)度 393
7.2.1　多周期需求不確定的多目的間歇過程短期調(diào)度問題的隨機(jī)模型 393
7.2.2　TSM中隨機(jī)目標(biāo)函數(shù)的期望 400
7.2.3　TSM中機(jī)會約束確定的等價表達(dá) 403
7.2.4　TSM中聯(lián)合的機(jī)會約束確定的等價表達(dá) 404
7.2.5　多周期需求不確定的多目的間歇過程短期調(diào)度隨機(jī)模型的求解 406
7.2.6　仿真研究 409
參考文獻(xiàn) 416
第8章　基于智能優(yōu)化的多目標(biāo)生產(chǎn)調(diào)度 419
8.1　基于生物地理學(xué)算法的多目標(biāo)智能調(diào)度 420
8.1.1　多目標(biāo)優(yōu)化問題的一般描述 422
8.1.2　多目標(biāo)柔性Job Shop調(diào)度問題 424
8.1.3　改進(jìn)多目標(biāo)BBO優(yōu)化算法 426
8.1.4　仿真研究 434
8.2　基于粒子群優(yōu)化的多目標(biāo)智能調(diào)度 446
8.2.1　多目標(biāo)柔性作業(yè)車間調(diào)度模型 447
8.2.2　兩階段多子群粒子群算法（TM-MOPSO）的設(shè)計(jì)和實(shí)現(xiàn) 448
8.2.3　仿真研究 456
參考文獻(xiàn) 463