工業(yè)混雜系統(tǒng)智能調(diào)度

定　價：￥168.00

作　者：	顧幸生、徐震浩著
出版社：	化學(xué)工業(yè)出版社
叢編項：	數(shù)字浪潮-工業(yè)互聯(lián)網(wǎng)先進技術(shù)"叢書
標　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥126.00)

ISBN：	9787122434623	出版時間：	2023-06-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書主要闡述確定性和不確定性生產(chǎn)調(diào)度問題的模型及其智能求解方法，重點闡述確定性和不確定條件下混雜工業(yè)生產(chǎn)過程的調(diào)度模型、基于進化算法和群智能優(yōu)化的確定性生產(chǎn)調(diào)度方法、復(fù)雜生產(chǎn)過程調(diào)度問題、不確定環(huán)境下的生產(chǎn)調(diào)度方法、不確定條件下多目的間歇過程的短期調(diào)度、基于智能優(yōu)化的多目標生產(chǎn)調(diào)度等。本書可供相關(guān)科研和開發(fā)人員參考，也可作為控制科學(xué)與工程、自動化、工業(yè)工程、機械工程、計算機科學(xué)與技術(shù)、管理科學(xué)與工程等學(xué)科的本科生、研究生和教師的參考書。

作者簡介

　　顧幸生，教授，博士生導(dǎo)師，國務(wù)院政府特殊津貼專家。現(xiàn)任中國仿真學(xué)會常務(wù)理事、中國自動化學(xué)會過程控制專業(yè)委員會常務(wù)委員。研究方向為智能優(yōu)化技術(shù)、生產(chǎn)計劃與調(diào)度、復(fù)雜工業(yè)過程建模控制與優(yōu)化、故障檢測與診斷等。承擔(dān)十多項國家自然科學(xué)基金、國家863高技術(shù)研究發(fā)展計劃、上海市重大科技攻關(guān)、上海市基礎(chǔ)研究重點等科研項目。發(fā)表學(xué)術(shù)論文400余篇，其中SCI收錄80余篇，EI收錄300余篇。獲得上海市科技進步獎、技術(shù)發(fā)明獎等6項科技獎勵。獲得寶鋼優(yōu)秀教師獎和中國過程控制教學(xué)貢獻獎，被評為上海市優(yōu)秀教育工作者、上海市優(yōu)秀青年教師。徐震浩，工學(xué)博士，副研究員，碩士生導(dǎo)師。上海市自動化學(xué)會會員，中國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會會員。研究方向為智能裝載與物流規(guī)劃、智能優(yōu)化與計算、生產(chǎn)計劃與調(diào)度、圖像識別與處理等。主持國家自然科學(xué)基金和.上海市自然基金等項目，主要參與國家863高技術(shù)發(fā)展計劃項目、國家“九五”攻關(guān)項目的子項目、上海市科委發(fā)展基金，上海市科委重大科研計劃等，并主持和參與多項企業(yè)研發(fā)項目;在國內(nèi)外學(xué)術(shù)刊物和學(xué)術(shù)會議上發(fā)表多篇學(xué)術(shù)論文，申請和授予多項專利及軟著。

圖書目錄

第1章　緒論 001
1.1　生產(chǎn)調(diào)度問題及其分類 002
1.2　生產(chǎn)調(diào)度問題的描述 007
1.3　生產(chǎn)調(diào)度問題的優(yōu)化方法 011
1.3.1　傳統(tǒng)數(shù)學(xué)運籌學(xué)方法 011
1.3.2　啟發(fā)式規(guī)則方法 012
1.3.3　智能優(yōu)化方法 014
1.4　不確定性生產(chǎn)調(diào)度 024
1.4.1　不確定性因素的分類 024
1.4.2　不確定性因素的數(shù)學(xué)描述 025
1.4.3　不確定性生產(chǎn)調(diào)度方法 026
參考文獻 028
第2章　工業(yè)混雜系統(tǒng)生產(chǎn)調(diào)度數(shù)學(xué)模型 033
2.1　生產(chǎn)調(diào)度問題模型概述 034
2.2　間歇生產(chǎn)調(diào)度數(shù)學(xué)模型 035
2.3　不確定性調(diào)度數(shù)學(xué)模型 044
2.3.1　基于模糊規(guī)劃的生產(chǎn)調(diào)度模型 045
2.3.2　基于隨機規(guī)劃的生產(chǎn)調(diào)度模型 057
參考文獻 063
第3章　基于進化算法的確定性離散過程生產(chǎn)調(diào)度 067
3.1　基于協(xié)同進化遺傳算法的智能調(diào)度 068
3.1.1　遺傳算法 068
3.1.2　基本合作型協(xié)同進化遺傳算法 074
3.1.3　災(zāi)變合作型協(xié)同進化遺傳算法 083
3.1.4　基于災(zāi)變合作型協(xié)同進化遺傳算法的Job Shop調(diào)度 088
3.2　基于免疫優(yōu)化算法的智能調(diào)度 097
3.2.1　免疫系統(tǒng)理論 097
3.2.2　改進的免疫優(yōu)化算法 105
3.2.3　內(nèi)分泌免疫算法 108
3.2.4　基于內(nèi)分泌激素調(diào)節(jié)機制的零等待Flow Shop免疫調(diào)度算法 113
3.2.5　基于內(nèi)分泌免疫算法的中間儲罐有限存儲時間Flow Shop調(diào)度算法 128
3.3　基于文化算法的智能調(diào)度 137
3.3.1　文化算法 137
3.3.2　災(zāi)變型文化算法 142
3.3.3　基于災(zāi)變型文化算法的無限中間存儲時間的多產(chǎn)品調(diào)度 146
3.3.4　仿真研究 148
參考文獻 156
第4章　基于群智能優(yōu)化算法的離散過程生產(chǎn)調(diào)度 159
4.1　基于粒子群優(yōu)化算法的智能調(diào)度 160
4.1.1　粒子群優(yōu)化算法 160
4.1.2　基于混合粒子群算法的Flow Shop生產(chǎn)調(diào)度 167
4.1.3　仿真研究 179
4.2　基于蟻群算法的智能調(diào)度 191
4.2.1　基本蟻群算法 191
4.2.2　改進的蟻群算法 199
4.2.3　基于改進蟻群優(yōu)化算法的Job Shop調(diào)度 204
4.3　基于混沌量子粒子群優(yōu)化算法的智能調(diào)度 213
4.3.1　量子粒子群優(yōu)化算法 213
4.3.2　混沌優(yōu)化算法 214
4.3.3?混沌量子粒子群優(yōu)化算法 218
4.3.4　基于混沌量子粒子群優(yōu)化算法的置換流水車間調(diào)度 221
4.4　基于生物地理學(xué)優(yōu)化算法的智能調(diào)度 232
4.4.1　生物地理學(xué)優(yōu)化算法 232
4.4.2　基于改進的BBO算法的混合流水車間調(diào)度 237
4.4.3　仿真及試驗 241
參考文獻 247
第5章　復(fù)雜生產(chǎn)過程調(diào)度問題的研究 251
5.1　基于離散正弦優(yōu)化算法的零空閑置換Flow Shop調(diào)度 252
5.1.1　零空閑置換Flow Shop調(diào)度問題 253
5.1.2　求解零空閑置換Flow Shop調(diào)度問題的離散正弦優(yōu)化算法 255
5.1.3　仿真及分析 261
5.2　基于貪婪引力搜索算法的混合零空閑置換Flow Shop調(diào)度 268
5.2.1　混合零空閑置換Flow Shop調(diào)度問題 268
5.2.2　求解混合零空閑置換Flow Shop調(diào)度問題的貪婪引力搜索算法 271
5.2.3　仿真及分析 278
5.3　基于教與學(xué)和分布估計混合算法的異速并行機Flow Shop調(diào)度問題 285
5.3.1　異速并行機Flow Shop調(diào)度問題建模 285
5.3.2　基本教與學(xué)優(yōu)化算法 289
5.3.3　求解異速并行機Flow Shop調(diào)度的教與學(xué)和分布估計混合算法 292
5.3.4　仿真研究 298
參考文獻 303
第6章　不確定環(huán)境下的生產(chǎn)調(diào)度 307
6.1　基于免疫算法的不確定智能調(diào)度 308
6.1.1　不確定條件下零等待存儲策略的Flow Shop調(diào)度問題 308
6.1.2　不確定條件下中間儲罐存儲時間有限型Flow Shop調(diào)度問題 317
6.2　基于分布估計算法的不確定智能調(diào)度 321
6.2.1　基于分布估計算法的中間存儲時間有限模糊Flow Shop調(diào)度 321
6.2.2　基于改進分布估計算法的帶并行機模糊混合Flow Shop調(diào)度 338
6.3　基于分散搜索機制粒子群算法的模糊Flow Shop提前拖期調(diào)度 352
6.3.1　不確定Flow Shop提前拖期調(diào)度的模糊規(guī)劃模型 352
6.3.2　求解模糊Flow Shop提前拖期調(diào)度的分散搜索機制粒子群算法 356
6.3.3　仿真及分析 363
參考文獻 369
第7章　不確定條件下多目的間歇過程的短期調(diào)度 371
7.1　單周期需求不確定條件下多目的間歇過程的短期調(diào)度 372
7.1.1　單周期需求不確定條件下多目的間歇過程短期調(diào)度模型 372
7.1.2　單周期需求不確定條件下多目的間歇過程短期調(diào)度模型的求解 376
7.1.3　仿真研究 382
7.2　多周期需求不確定條件下多目的間歇過程的短期調(diào)度 393
7.2.1　多周期需求不確定的多目的間歇過程短期調(diào)度問題的隨機模型 393
7.2.2　TSM中隨機目標函數(shù)的期望 400
7.2.3　TSM中機會約束確定的等價表達 403
7.2.4　TSM中聯(lián)合的機會約束確定的等價表達 404
7.2.5　多周期需求不確定的多目的間歇過程短期調(diào)度隨機模型的求解 406
7.2.6　仿真研究 409
參考文獻 416
第8章　基于智能優(yōu)化的多目標生產(chǎn)調(diào)度 419
8.1　基于生物地理學(xué)算法的多目標智能調(diào)度 420
8.1.1　多目標優(yōu)化問題的一般描述 422
8.1.2　多目標柔性Job Shop調(diào)度問題 424
8.1.3　改進多目標BBO優(yōu)化算法 426
8.1.4　仿真研究 434
8.2　基于粒子群優(yōu)化的多目標智能調(diào)度 446
8.2.1　多目標柔性作業(yè)車間調(diào)度模型 447
8.2.2　兩階段多子群粒子群算法（TM-MOPSO）的設(shè)計和實現(xiàn) 448
8.2.3　仿真研究 456
參考文獻 463