企业生产调度的智能优化方法PDF电子书下载

第1章　绪论 1

1.1　本书写作背景及意义 1

1.2　本书主要内容 3

第2章　生产调度问题及其优化方法 5

2.1　生产调度问题的提出 5

2.1.1　生产调度问题 6

2.1.2　生产调度问题的分类 7

2.2　车间生产调度问题 8

2.2.1　车间生产调度问题的描述 8

2.2.2　车间调度问题的特点 9

2.2.3　Job-shop、Flow-shop和可重入型的车间调度问题 9

2.3　生产调度问题的优化方法 11

2.3.1　调度策略的研究 12

2.3.2　生产调度方法的研究 13

2.4　小结 18

第3章　人工生命与群体智能 19

3.1　人工生命 19

3.1.1　人工生命的研究思想 20

3.1.2　人工生命的研究结构 20

3.1.3　人工生命的研究动态 21

3.2　群体智能 23

3.2.1　群体智能的研究起源 24

3.2.2　群体智能算法的原理 24

3.2.3　群体智能的研究动态 25

3.3　群体智能与人工生命的关系 27

3.3.1　群体智能与人工生命的区别 27

3.3.2　群体智能与人工生命的联系 27

3.4　小结 28

第4章　微粒群算法 29

4.1　微粒群算法 29

4.1.1　微粒群算法的基本思想 29

4.1.2　微粒群算法的参数设置 30

4.1.3　微粒群算法的框架理念 31

4.1.4　微粒群算法的设计及流程 32

4.1.5　微粒群算法的收敛性分析 36

4.2　微粒群算法与其他优化方法的比较 39

4.3　微粒群算法的应用现状 39

4.4　小结 40

第5章　DNA遗传算法 41

5.1　DNA算法 41

5.1.1　DNA算法的基本原理 41

5.1.2　DNA组成结构 42

5.1.3　DNA分子操作技术 43

5.1.4　DNA计算与软计算的集成 44

5.1.5　DNA算法的研究现状及应用 45

5.2　DNA遗传算法 46

5.2.1　DNA遗传算法的基本概念 46

5.2.2　DNA遗传算法的实现技术 47

5.2.3　DNA遗传算法与遗传算法的比较 48

5.3　小结 49

第6章　作业型生产车间的微粒群调度算法 51

6.1　作业车间调度问题描述 51

6.2　基于作业调度问题的微粒群算法 53

6.2.1　编码 53

6.2.2　局部极值的判断 54

6.2.3　建立记忆库 56

6.2.4　动态设定惯性权重 57

6.2.5　自适应的交叉机制 57

6.2.6　自适应的变异机制 58

6.2.7　改进微粒群算法的流程 58

6.3　仿真算例 60

6.4　小结 63

第7章　流水型生产车间的DNA遗传调度算法 65

7.1　流水车间调度问题的描述 66

7.2　DNA遗传算法 67

7.3　改进DNA遗传算法 71

7.3.1　建立工序问题的DNA计算模型 71

7.3.2　编码方法 72

7.3.3　适应度函数 73

7.3.4　分裂算子 74

7.3.5　变异算子 74

7.3.6　选择算子 74

7.4　仿真算例 75

7.5　小结 78

第8章　模糊交货期流水车间的微粒群调度算法 81

8.1　模糊交货期调度问题 82

8.1.1　订单完成期的模糊描述 85

8.1.2　订单的实际处理时间 86

8.1.3　模糊目标函数 86

8.2　提前／滞后流水车间（FSSP）的混合微粒群算法 87

8.2.1　提前／滞后FSSP问题的描述 87

8.2.2　引入惩罚函数 88

8.2.3　动态惯性权重 89

8.2.4　引进交换子、交换序 90

8.2.5　引入禁忌搜索机制 91

8.2.6　混合微粒群算法的流程 92

8.3　仿真算例 92

8.4　小结 96

第9章　半导体制造系统的调度问题 97

9.1　半导体制造产业的战略意义 97

9.2　半导体生产过程及制造工艺 98

9.2.1　半导体生产制造过程 98

9.2.2　半导体生产的工作区域 99

9.2.3　半导体生产制造工艺 100

9.3　半导体制造系统调度 104

9.3.1　半导体制造系统调度问题的特点 105

9.3.2　半导体制造系统调度的约束 106

9.3.3　半导体制造系统的调度分类 107

9.3.4　半导体制造系统的调度策略 110

9.4　小结 111

第10章　半导体炉管区生产调度的微粒群算法 113

10.1　半导体炉管区的生产调度 113

10.1.1　半导体炉管区的生产情况 113

10.1.2　半导体炉管区调度问题的数学描述 114

10.2　基于群体智能调度模型的双层微粒群算法 116

10.2.1　半导体炉管区群体智能调度模型 116

10.2.2　实现集中优化控制的C_ PSO算法 117

10.2.3　实现分布式动态控制的D_ PSO算法 119

10.2.4　算法流程 120

10.3　仿真算例 121

10.4　某半导体制造公司6寸线炉管区批量调度实例 128

10.5　小结 133

第11章　结束语 135

参考文献 139

附录 149