車間逆調(diào)度理論及智能算法

第1章 緒論\t001
1．1 逆優(yōu)化問題理論與方法\t002
1．2 逆優(yōu)化問題及其國內(nèi)外研究現(xiàn)狀\t004
1．3 車間調(diào)度理論與方法\t006
1．3．1 車間調(diào)度問題的描述及分類\t007
1．3．2 車間調(diào)度問題的研究方法\t009
1．4 動(dòng)態(tài)調(diào)度問題的描述及求解方法\t016
參考文獻(xiàn)\t020
第2章 車間逆調(diào)度理論與方法\t023
2．1 逆調(diào)度問題\t023
2．1．1 逆調(diào)度問題概述\t023
2．1．2 逆調(diào)度問題的數(shù)學(xué)模型研究\t025
2．2 逆調(diào)度問題的國內(nèi)外研究概況\t027
2．2．1 車間逆調(diào)度問題的國內(nèi)研究概況\t028
2．2．2 車間逆調(diào)度問題的國外研究概況\t028
2．3 逆調(diào)度現(xiàn)狀總結(jié)與應(yīng)用前景分析\t029
參考文獻(xiàn)\t031
第3章 單機(jī)車間逆調(diào)度\t033
3．1 單機(jī)逆調(diào)度問題\t033
3．1．1 加權(quán)完成時(shí)間和最小的單機(jī)逆調(diào)度問題描述\t033
3．1．2 帶交貨期的單機(jī)逆調(diào)度問題描述\t035
3．2 基于GAIP混合算法求解單機(jī)逆調(diào)度\t037
3．2．1 遺傳算法的基本理論\t037
3．2．2 單機(jī)逆調(diào)度問題的染色體編碼與解碼\t039
3．2．3 單機(jī)逆調(diào)度問題的初始化\t040
3．2．4 選擇操作\t042
3．2．5 交叉操作\t042
3．2．6 變異操作\t044
3．2．7 改進(jìn)的粒子群優(yōu)化算法\t045
3．2．8 基于GAIP混合算法的求解步驟\t048
3．3 基于遺傳變鄰域交替算法求解DSMISP\t050
3．3．1 變鄰域搜索算法基本理論\t050
3．3．2 DSMISP問題的編碼與解碼\t052
3．3．3 種群初始化\t053
3．3．4 交叉、變異操作\t054
3．3．5 變鄰域結(jié)構(gòu)設(shè)計(jì)\t054
3．3．6 基于遺傳變鄰域交替算法的求解步驟\t057
3．4 實(shí)驗(yàn)結(jié)果與分析\t059
3．4．1 實(shí)驗(yàn)設(shè)計(jì)\t059
3．4．2 參數(shù)設(shè)置\t060
3．4．3 結(jié)果分析與討論\t061
3．5 本章小結(jié)\t066
參考文獻(xiàn)\t067
第4章 流水車間逆調(diào)度\t069
4．1 引言\t069
4．2 流水車間逆調(diào)度問題\t070
4．2．1 流水車間逆調(diào)度問題描述\t070
4．2．2 多目標(biāo)流水車間逆調(diào)度問題描述\t073
4．3 自適應(yīng)混合遺傳算法求解FSISP問題\t076
4．3．1 流水車間逆調(diào)度問題編碼與解碼\t076
4．3．2 流水車間逆調(diào)度問題初始化\t078
4．3．3 交叉操作與變異操作\t079
4．3．4 自適應(yīng)的變鄰域搜索算法介紹\t081
4．4 基于LMONG算法求解多目標(biāo)流水車間逆調(diào)度問題\t085
4．4．1 多目標(biāo)優(yōu)化問題的基本理論\t085
4．4．2 LMONG算法基本操作\t089
4．4．3 適應(yīng)度值評價(jià)方法\t092
4．4．4 多樣性保持策略\t093
4．4．5 改進(jìn)的NEH局部搜索方法\t094
4．5 實(shí)驗(yàn)結(jié)果與分析\t096
4．5．1 實(shí)驗(yàn)設(shè)計(jì)\t096
4．5．2 結(jié)果分析與討論\t098
4．6 本章小結(jié)\t108
參考文獻(xiàn)\t110
第5章 作業(yè)車間逆調(diào)度\t113
5．1 引言\t113
5．2 作業(yè)車間逆調(diào)度問題\t115
5．2．1 作業(yè)車間逆調(diào)度問題描述\t115
5．2．2 多目標(biāo)作業(yè)車間逆調(diào)度問題描述\t117
5．3 改進(jìn)粒子群算法求解作業(yè)車間調(diào)度\t122
5．3．1 粒子群初始化\t122
5．3．2 粒子群速度、位置更新機(jī)制\t123
5．3．3 粒子激活策略\t124
5．3．4 改進(jìn)粒子群算法流程\t125
5．4 基于混合變異雜草優(yōu)化算法求解多目標(biāo)作業(yè)車間逆調(diào)度\t127
5．4．1 多目標(biāo)優(yōu)化方法\t127
5．4．2 混合變異雜草優(yōu)化算法\t128
5．4．3 混合算法的基本操作\t129
5．4．4 歐氏貼近度適應(yīng)度值分配策略\t130
5．4．5 快速非支配選擇排序策略\t132
5．4．6 算法流程\t133
5．5 實(shí)驗(yàn)結(jié)果與分析\t134
5．5．1 單目標(biāo)逆調(diào)度結(jié)果分析\t134
5．5．2 多目標(biāo)逆調(diào)度結(jié)果分析\t137
5．6 本章小結(jié)\t140
參考文獻(xiàn)\t141
第6章 不確定環(huán)境下的車間逆調(diào)度\t143
6．1 引言\t143
6．2 不確定環(huán)境下的車間逆調(diào)度問題\t144
6．2．1 不確定環(huán)境下的單機(jī)車間逆調(diào)度問題描述（UESSP）\t149
6．2．2 不確定環(huán)境下的流水車間逆調(diào)度問題描述（UEFSP）\t150
6．2．3 不確定環(huán)境下的柔性作業(yè)車間
逆調(diào)度問題描述（UEFJSP）\t154
6．3 不確定環(huán)境下的逆調(diào)度問題求解策略\t157
6．3．1 第一階段求解\t158
6．3．2 第二階段求解\t158
6．3．3 DPN算法流程\t161
6．4 仿真結(jié)果與分析\t162
6．4．1 實(shí)例介紹\t162
6．4．2 DPN應(yīng)用實(shí)例\t166
6．5 本章小結(jié)\t171
參考文獻(xiàn)\t172
第7章 車間逆調(diào)度實(shí)例分析與前景展望\t173
7．1 車間逆調(diào)度現(xiàn)狀\t173
7．2 應(yīng)用前景分析\t176
7．3 車間逆調(diào)度實(shí)例\t178
7．4 研究展望\t188
參考文獻(xiàn)\t190