柔性作业车间调度智能算法及其应用PDF电子书下载

第一篇 基本理论 3

第1章 绪论 3

1.1调度问题的研究背景和意义 3

1.2调度问题描述、分类及特性 7

1.2.1调度问题的描述 7

1.2.2车间调度问题的分类 7

1.2.3车间调度问题的特点 8

1.3车间调度问题的研究概况 9

1.4本书的结构与主要内容 10

第2章 柔性作业车间调度问题的模型、现状和方法 12

2.1柔性作业车间调度问题描述 12

2.1.1柔性作业车间调度问题的描述与分类 12

2.1.2 FJSP的数学模型 13

2.1.3 FJSP的析取图模型 15

2.1.4 FJSP评价指标 17

2.2柔性作业车间调度问题的研究现状 18

2.2.1单目标柔性作业车间调度 18

2.2.2多目标柔性作业车间调度问题 19

2.2.3不确定环境下柔性作业车间调度问题 20

2.3柔性作业车间调度问题的研究方法 21

2.3.1精确方法 22

2.3.2近似方法 23

第二篇 单目标柔性作业车间调度 29

第3章 基于遗传算法的柔性作业车间调度 29

3.1遗传算法的基本理论 29

3.2遗传算法求解柔性作业车间调度问题 30

3.2.1 FJSP的染色体编码 30

3.2.2 FJSP的染色体解码 32

3.2.3 FJSP的初始化 35

3.2.4交叉操作 38

3.2.5变异操作 39

3.2.6选择操作 40

3.2.7改进遗传算法的求解步骤 40

3.3实验结果与分析 41

3.3.1实验一 41

3.3.2实验二 42

3.3.3实验三 44

第4章 基于变邻域遗传算法的柔性作业车间调度 45

4.1引言 45

4.2变邻域搜索算法的基本理论 46

4.2.1邻域的概念 46

4.2.2变邻域搜索算法 47

4.3变邻域遗传算法求解柔性作业车间调度问题 48

4.3.1混合优化算法优化策略 48

4.3.2初始解产生 49

4.3.3记忆库保优策略 49

4.3.4遗传操作 50

4.3.5邻域结构研究 51

4.3.6终止准则 53

4.4实验结果与分析 53

第5章 基于CPSO的柔性作业车间调度 59

5.1粒子群优化算法 59

5.2元胞粒子群优化算法框架 61

5.2.1元胞自动机的构成 61

5.2.2元胞粒子群优化算法框架 63

5.3两种版本的元胞粒子群优化算法 64

5.3.1内元胞粒子群优化算法 64

5.3.2外元胞粒子群优化算法 65

5.4元胞粒子群优化算法求解柔性作业车间调度问题 70

5.4.1粒子的编码形式 70

5.4.2粒子速度和位置的更新操作 70

5.4.3粒子的邻域结构和局部搜索 70

5.4.4 CPSO求解FJ SP流程 71

5.5实验结果与分析 72

第6章 基于遗传禁忌搜索算法的柔性作业车间调度问题 75

6.1遗传禁忌搜索算法求解流程 75

6.2遗传算法 75

6.2.1初始化 75

6.2.2编码与解码 76

6.2.3选择操作 76

6.2.4交叉操作 77

6.2.5变异操作 78

6.3禁忌搜索算法 79

6.3.1邻域结构和移动评价策略 79

6.3.2禁忌表和禁忌长度 80

6.3.3终止准则 80

6.4实验结果与分析 80

第三篇 多目标柔性作业车间调度 85

第7章 基于变邻域遗传算法的多目标柔性作业车间调度 85

7.1多目标优化问题的基本理论 85

7.1.1多目标优化的基本概念 85

7.1.2多目标优化方法 86

7.2混合算法求解多目标FJSP 88

7.2.1多目标FJSP优化模型 88

7.2.2基于Pareto的多目标优化策略 88

7.2.3混合算法的基本操作 89

7.2.4适应值分配策略研究 90

7.2.5种群多样性保持策略研究 91

7.2.6精英保留策略 92

7.2.7混合算法求解多目标FJ SP的步骤 92

7.3计算结果与分析 93

7.3.1 8×8问题 93

7.3.2 10×10问题 95

7.3.3 15×10问题 97

7.3.4 DPdata问题 99

第8章 基于免疫遗传算法的多目标柔性作业车间调度 101

8.1免疫和熵原理 101

8.1.1抗体信息熵 101

8.1.2抗体相似度 102

8.1.3抗体浓度 102

8.2多目标遗传算法求解多目标FJ SP 102

8.2.1优化目标 102

8.2.2 Pareto最优解集构造 103

8.2.3精英保留策略 105

8.2.4多目标遗传算法流程 106

8.3计算结果与分析 107

8.3.1三个目标的测试结果和比较分析 107

8.3.2六个目标的测试结果 111

8.4基于AHP的多目标FJ SP调度决策 114

第四篇 不确定环境下的柔性作业车间调度问题 119

第9章 基于GEP的柔性作业车间动态调度问题 119

9.1动态调度问题描述与研究方法 119

9.1.1动态调度问题描述 119

9.1.2动态调度问题研究方法 119

9.2柔性作业车间动态调度在线启发式算法 121

9.3基于GEP的柔性作业车间动态调度规则学习方法 122

9.3.1编码与解码方式 122

9.3.2遗传操作 125

9.4实验结果与分析 127

9.4.1实验数据生成 127

9.4.2 GEP控制参数设置 128

9.4.3比较对象 129

9.4.4实验结果分析 130

第10章 基于变邻域遗传算法的FJSP动态调度研究 136

10.1 FJSP动态调度框架 136

10.2动态调度策略 137

10.2.1人机协同的重调度策略 137

10.2.2滚动窗口重调度策略 137

10.2.3基于周期和事件驱动的重调度策略 139

10.3动态调度的混合算法设计 140

10.4几种突发事件处理 141

10.5实验结果与分析 142

10.5.1仿真调度实例 142

10.5.2结果分析 146

第11章 多目标动态柔性作业车间调度问题 147

11.1动态调度问题的描述 147

11.2滚动调度策略 148

11.2.1滚动重调度机制 149

11.2.2工件窗口 149

11.3基于多目标遗传算法求解多目标动态FJ SP 150

11.3.1重调度问题的解码 150

11.3.2基于多目标遗传算法求解多目标动态FJSP的流程 151

11.4实例仿真与分析 152

第12章 基于免疫遗传算法的多目标模糊柔性作业车间调度问题 159

12.1模糊集相关理论 159

12.1.1模糊集合表示 159

12.1.2模糊数操作 161

12.1.3模糊数的比较 161

12.2不确定条件下的柔性作业车间调度问题 162

12.2.1问题描述 162

12.2.2评价指标 163

12.2.3满意度的计算 163

12.3基于多目标遗传算法求解多目标模糊FJSP 164

12.4实验结果与分析 165

附录 几组标准测试实例数据 173

参考文献 177