第1章 绪论 1
1.1 研究背景与问题的提出 2
1.2 研究的主要内容和基本思路 3
1.2.1 研究内容 3
1.2.2 研究思路 5
1.3 研究的创新之处 5
1.3.1 流程工业多品种轮番生产过程 5
1.3.2 流程工业间歇生产过程 6
1.4 研究的作用和意义 6
第2章 生产过程描述 9
2.1 生产过程管理 9
2.1.1 现代生产运作管理上的难点和新要求 9
2.1.2 生产运作系统中的动态流 11
2.1.3 提高生产运作系统应变能力的方式 12
2.1.4 优先生产顺序 13
2.1.5 OPT优化技术 13
2.1.6 产品出产计划编制的方法 15
2.2 合理组织生产的基本要求 15
2.3 T艺连接与作业特点 17
2.4 T艺描述方法 22
2.5 时间表示方式 27
2.6 粒子群算法 29
第3章 问题分类 31
3.1 单阶段问题 31
3.2 流水车间问题 34
3.3 单件车间问题 38
第4章 单台处理机 41
4.1 合同分批决策 41
4.2 带优先级的批调度 44
4.3 问题描述与模型建立 47
4.3.1 前提假设 47
4.3.2 符号描写 47
4.3.3 数学模型 48
4.4 基于邻域搜索粒子群算法 49
4.4.1 邻域搜索 49
4.4.2 编码方法 51
4.4.3 调度生成策略 53
4.4.4 算法框架 54
4.5 算例验证分析 55
4.5.1 实验设计 55
4.5.2 预备实验 55
4.5.3 实验结果与分析 58
第5章 流水车间 60
5.1 连接关系连续时间建模 62
5.1.1 建模思想 62
5.1.2 模型性质分析 63
5.1.3 连接关系连续时间模型 64
5.2 事件驱动连续时间建模 68
5.2.1 建模思想 68
5.2.2 事件驱动连续时间模型 70
5.3 启发式粒子群算法 74
5.3.1 编码方法 74
5.3.2 基于双向搜索的改进粒子群算法设计 74
5.3.3 初始种群的产生 75
5.3.4 约束处理机制 76
5.3.5 算法框架 77
5.4 算例验证分析 78
5.4.1 实验设计 78
5.4.2 实验结果与分析 79
第6章 混合流水车间 83
6.1 问题背景与数学模型 83
6.1.1 前提假设和问题描述 83
6.1.2 实际问题背景 84
6.2 问题性质分析 87
6.3 与单纯形搜索混合的粒子群算法 92
6.3.1 单纯形搜索 92
6.3.2 编码方法 94
6.3.3 粒子位置修复策略 95
6.3.4 带时间窗口的资源约束项目调度方法 96
6.3.5 与单纯形搜索混合的粒子群算法框架 97
6.4 算例验证分析 98
6.4.1 实验设计 98
6.4.2 实验结果与分析 100
第7章 单件车间 106
7.1 经典问题描述 107
7.2 问题性质分析 109
7.3 数学符号与模型 113
7.4 量子进化的粒子群算法 115
7.4.1 量子进化算法 115
7.4.2 编码方法 116
7.4.3 批分离策略 117
7.4.4 调度生成方法 119
7.4.5 量子进化的粒子群算法框架 123
7.5 算例验证分析 124
第8章 动态调度与预测控制 128
8.1 动态单机调度 128
8.1.1 问题描述 129
8.1.2 问题性质分析 130
8.1.3 与差分算法结合的粒子群算法 131
8.1.4 实验结果 134
8.2 动态并行机调度 135
8.3 预测控制调度 137
8.3.1 问题描述 138
8.3.2 量子行为的粒子群算法 138
8.3.3 结果分析 140
参考文献 143