《柔性作業車間調度智能算法及其應用》由高亮、張國輝、王曉娟著，本書所涉及的研究成果是在**自然科學基金創新群體項目(51121002)、**自然科學基金重點項目(51035001)、**863重點項目(2009AA044601)、**自然科學基金項目(60973086、51005088)和***新世紀**人纔支持計劃(NCET—08—0232)等項目的資助下取得的。
全書由數字制造裝備與技術**重點實驗室(華中科技大學)高亮教授、鄭州航空工業管理學院管理科學與工程學院張國輝博士及武漢理工大學物流工程學院王曉娟博士共同完成。此外，華中科技大學機械科學與工程學院的石楊碩士、上海第二工業大學聶黎博士等參與了有關研究工作。

柔性作業車間調度問題是經典作業車間調度問題的一個分支，有著廣泛 的工程應用背景。研究人員為更好地解決這個問題已付出了幾十年的努力， 但至今最先進的算法仍很難得到規模較小問題的最優解。近十幾年以來，通 過模擬自然界中生物或物理過程而發展起來的元啟發式算法用於研究柔性作 業車間調度問題，如遺傳算法、禁忌搜索算法、粒子群優化算法等，可見， 對車間制造繫統中的調度問題得到了越來越多的關注。 《柔性作業車間調度智能算法及其應用》由高亮、張國輝、王曉娟著， 本書力圖總結作者及研究人員在柔性作業車間調度問題方面所取得的一繫列 研究成果，主要討論和介紹單目標柔性作業車間調度、多目標柔性作業車間 調度，以及不確定環境下的柔性作業車間調度問題的問題特性及其優化方法 。 《柔性作業車間調度智能算法及其應用》可作為機械工程、管理科學與 工程、控制理論與控制工程等相關學科的教師、學生和研究人弔的參考書。

第一篇 基本理論
第1章 緒論
1.1 調度問題的研究背景和意義
1.2 調度問題描述、分類及特性
1.2.1 調度問題的描述
1.2.2 車間調度問題的分類
1.2.3 車間調度問題的特點
1.3 車間調度問題的研究概況
1.4 本書的結構與主要內容
第2章 柔性作業車間調度問題的模型、現狀和方法
2.1 柔性作業車間調度問題描述
2.1.1 柔性作業車間調度問題的描述與分類
2.1.2 FJSP的數學模型
2.1.3 FJSP的析取圖模型
2.1.4 FJSP評價指標
2.2 柔性作業車間調度問題的研究現狀
2.2.1 單目標柔性作業車間調度
2.2.2 多目標柔性作業車間調度問題
2.2.3 不確定環境下柔性作業車間調度問題
2.3 柔性作業車間調度問題的研究方法
2.3.1 **方法
2.3.2 近似方法
第二篇 單目標柔性作業車間調度
第3章 基於遺傳算法的柔性作業車間調度
3.1 遺傳算法的基本理論
3.2 遺傳算法求解柔性作業車間調度問題
3.2.1 FJSP的染色體編碼
3.2.2 FJSP的染色體解碼
3.2.3 FJSP的初始化
3.2.4 交叉操作
3.2.5 變異操作
3.2.6 選擇操作
3.2.7 改進遺傳算法的求解步驟
3.3 實驗結果與分析
3.3.1 實驗一
3.3.2 實驗二
3.3.3 實驗三
第4章 基於變鄰域遺傳算法的柔性作業車間調度
4.1 引言
4.2 變鄰域搜索算法的基本理論
4.2.1 鄰域的概念
4.2.2 變鄰域搜索算法
4.3 變鄰域遺傳算法求解柔性作業車間調度問題
4.3.1 混合優化算法優化策略
4.3.2 初始解產生
4.3.3 記憶庫保優策略
4.3.4 遺傳操作
4.3.5 鄰域結構研究
4.3.6 終止準則
4.4 實驗結果與分析
第5章 基於CPSO的柔性作業車間調度
5.1 粒子群優化算法
5.2 元胞粒子群優化算法框架
5.2.1 元胞自動機的構成
5.2.2 元胞粒子群優化算法框架
5.3 兩種版本的元胞粒子群優化算法
5.3.1 內元胞粒子群優化算法
5.3.2 外元胞粒子群優化算法
5.4 元胞粒子群優化算法求解柔性作業車間調度問題
5.4.1 粒子的編碼形式
5.4.2 粒子速度和位置的*新操作
5.4.3 粒子的鄰域結構和局部搜索
5.4.4 CPSO求解FJSP流程
5.5 實驗結果與分析
第6章 基於遺傳禁忌搜索算法的柔性作業車間調度問題
6.1 遺傳禁忌搜索算法求解流程
6.2 遺傳算法
6.2.1 初始化
6.2.2 編碼與解碼
6.2.3 選擇操作
6.2.4 交叉操作
6.2.5 變異操作
6.3 禁忌搜索算法
6.3.1 鄰域結構和移動評價策略
6.3.2 禁忌表和禁忌長度
6.3.3 終止準則
6.4 實驗結果與分析
第三篇 多目標柔性作業車間調度
第7章 基於變鄰域遺傳算法的多目標柔性作業車間調度
7.1 多目標優化問題的基本理論
7.1.1 多目標優化的基本概念
7.1.2 多目標優化方法
7.2 混合算法求解多目標FJSP
7.2.1 多目標FJSP優化模型
7.2.2 基於Pareto的多目標優化策略
7.2.3 混合算法的基本操作
7.2.4 適應值分配策略研究
7.2.5 種群多樣性保持策略研究
7.2.6 精英保留策略
7.2.7 混合算法求解多目標FJSP的步驟
7.3 計算結果與分析
7.3.1 8×8問題
7.3.2 10×10問題
7.3.3 15×10問題
7.3.4 DPdata問題
第8章 基於免疫遺傳算法的多目標柔性作業車間調度
8.1 免疫和熵原理
8.1.1 抗體信息熵
8.1.2 抗體相似度
8.1.3 抗體濃度
8.2 多目標遺傳算法求解多目標FJSP
8.2.1 優化目標
8.2.2 Pareto*優解集構造
8.2.3 精英保留策略
8.2.4 多目標遺傳算法流程
8.3 計算結果與分析
8.3.1 三個目標的測試結果和比較分析
8.3.2 六個目標的測試結果
8.4 基於AHP的多目標FJSP調度決策
第四篇 不確定環境下的柔性作業車間調度問題
第9章 基於GEP的柔性作業車間動態調度問題
9.1 動態調度問題描述與研究方法
9.1.1 動態調度問題描述
9.1.2 動態調度問題研究方法
9.2 柔性作業車間動態調度在線啟發式算法
9.3 基於GEP的柔性作業車間動態調度規則學習方法
9.3.1 編碼與解碼方式
9.3.2 遺傳操作
9.4 實驗結果與分析
9.4.1 實驗數據生成
9.4.2 GEP控制參數設置
9.4.3 比較對像
9.4.4 實驗結果分析
**0章 基於變鄰域遺傳算法的FJSP動態調度研究
10.1 FJSP動態調度框架
10.2 動態調度策略
10.2.1 人機協同的重調度策略
10.2.2 滾動窗口重調度策略
10.2.3 基於周期和事件驅動的重調度策略
10.3 動態調度的混合算法設計
10.4 幾種突發事件處理
10.5 實驗結果與分析
10.5.1 仿真調度實例
10.5.2 結果分析
**1章 多目標動態柔性作業車間調度問題
11.1 動態調度問題的描述
11.2 滾動調度策略
11.2.1 滾動重調度機制
11.2.2 工件窗口
11.3 基於多目標遺傳算法求解多目標動態FJSP
11.3.1 重調度問題的解碼
11.3.2 基於多目標遺傳算法求解多目標動態FJSP的流程
11.4 實例仿真與分析
**2章 基於免疫遺傳算法的多目標模糊柔性作業車間調度問題
12.1 模糊集相關理論
12.1.1 模糊集合表示
12.1.2 模糊數操作
12.1.3 模糊數的比較
12.2 不確定條件下的柔性作業車間調度問題
12.2.1 問題描述
12.2.2 評價指標
12.2.3 滿意度的計算
12.3 基於多目標遺傳算法求解多目標模糊FJSP
12.4 試驗結果與分析
附錄 幾組標準測試實例數據
參考文獻