高亮，1996年本科毕业于西安电子科技大学，2002年毕业于华中科技大学，获工学博士。现为华中科技大学机械科学与工程学院教授、博士生导师。主要研究现代优化方法及其在机械设计制造中的应用。2008年度教育部“新世纪优秀人才支持计划”获得者、教育部“数字化设计与制造创新团队”学术骨干，2011年湖北省青年科技奖获得者。 
    张国辉，2009年毕业于华中科技大学机械科学与工程学院，获工学博士学位。现为郑州航空工业管理学院管理科学与工程学院教师，主要研究智能优化算法及其在车间调度和在其他方面中的应用。 
    王晓娟，2011年毕业于华中科技大学机械科学与工程学院，获工学博士学位。现为武汉理工大学物流工程学院教师，主要研究智能优化方法在车间调度中的应用。

    柔性作业车间调度问题是经典作业车间调度问题的一个分支，有着广泛的工程应用背景。研究人员为更好地解决这个问题已付出了几十年的努力，但至今最先进的算法仍很难得到规模较小问题的最优解。近十几年以来，通过模拟自然界中生物或物理过程而发展起来的元启发式算法用于研究柔性作业车间调度问题，如遗传算法、禁忌搜索算法、粒子群优化算法等，可见，对车间制造系统中的调度问题得到了越来越多的关注。《柔性作业车间调度智能算法及其应用》由高亮、张国辉、王晓娟著，《柔性作业车间调度智能算法及其应用》力图总结作者及研究人员在柔性作业车间调度问题方面所取得的一系列研究成果，主要讨论和介绍单目标柔性作业车间调度、多目标柔性作业车间调度，以及不确定环境下的柔性作业车间调度问题的问题特性及其优化方法。《柔性作业车间调度智能算法及其应用》可作为机械工程、管理科学与工程、控制理论与控制工程等相关学科的教师、学生和研究人吊的参考书。

第一篇  基本理论
第1章  绪论
1.1 调度问题的研究背景和意义
1.2 调度问题描述、分类及特性
1.2.1 调度问题的描述
1.2.2 车间调度问题的分类
1.2.3 车间调度问题的特点
1.3 车间调度问题的研究概况
1.4 本书的结构与主要内容
第2章  柔性作业车间调度问题的模型、现状和方法
2.1 柔性作业车间调度问题描述
2.1.1 柔性作业车间调度问题的描述与分类
2.1.2 FJSP的数学模型
2.1.3 FJSP的析取图模型
2.1.4 FJSP评价指标
2.2 柔性作业车间调度问题的研究现状
2.2.1 单目标柔性作业车间调度
2.2.2 多目标柔性作业车间调度问题
2.2.3 不确定环境下柔性作业车间调度问题
2.3 柔性作业车间调度问题的研究方法
2.3.1 精确方法
2.3.2 近似方法

第二篇  单目标柔性作业车间调度
第3章  基于遗传算法的柔性作业车间调度
3.1 遗传算法的基本理论
3.2 遗传算法求解柔性作业车间调度问题
3.2.1 FJSP的染色体编码
3.2.2 FJSP的染色体解码
3.2.3 FJSP的初始化
3.2.4 交叉操作
3.2.5 变异操作
3.2.6 选择操作
3.2.7 改进遗传算法的求解步骤
3.3 实验结果与分析
3.3.1 实验一
3.3.2 实验二
3.3.3 实验三
第4章  基于变邻域遗传算法的柔性作业车间调度
4.1 引言
4.2 变邻域搜索算法的基本理论
4.2.1 邻域的概念
4.2.2 变邻域搜索算法
4.3 变邻域遗传算法求解柔性作业车间调度问题
4.3.1 混合优化算法优化策略
4.3.2 初始解产生
4.3.3 记忆库保优策略
4.3.4 遗传操作
4.3.5 邻域结构研究
4.3.6 终止准则
4.4 实验结果与分析
第5章  基于CPSO的柔性作业车间调度
5.1 粒子群优化算法
5.2 元胞粒子群优化算法框架
5.2.1 元胞自动机的构成
5.2.2 元胞粒子群优化算法框架
5.3 两种版本的元胞粒子群优化算法
5.3.1 内元胞粒子群优化算法
5.3.2 外元胞粒子群优化算法
5.4 元胞粒子群优化算法求解柔性作业车间调度问题
5.4.1 粒子的编码形式
5.4.2 粒子速度和位置的更新操作
5.4.3 粒子的邻域结构和局部搜索
5.4.4 CPSO求解FJSP流程
5.5 实验结果与分析
第6章  基于遗传禁忌搜索算法的柔性作业车间调度问题
6.1 遗传禁忌搜索算法求解流程
6.2 遗传算法
6.2.1 初始化
6.2.2 编码与解码
6.2.3 选择操作
6.2.4 交叉操作
6.2.5 变异操作
6.3 禁忌搜索算法
6.3.1 邻域结构和移动评价策略
6.3.2 禁忌表和禁忌长度
6.3.3 终止准则
6.4 实验结果与分析

第三篇  多目标柔性作业车间调度
第7章  基于变邻域遗传算法的多目标柔性作业车间调度
7.1 多目标优化问题的基本理论
7.1.1 多目标优化的基本概念
7.1.2 多目标优化方法
7.2 混合算法求解多目标FJSP
7.2.1 多目标FJSP优化模型
7.2.2 基于Pareto的多目标优化策略
7.2.3 混合算法的基本操作
7.2.4 适应值分配策略研究
7.2.5 种群多样性保持策略研究
7.2.6 精英保留策略
7.2.7 混合算法求解多目标FJSP的步骤
7.3 计算结果与分析
7.3.1 8×8问题
7.3.2 10×10问题
7.3.3 15×10问题
7.3.4 DPdata问题
第8章  基于免疫遗传算法的多目标柔性作业车间调度
8.1 免疫和熵原理
8.1.1 抗体信息熵
8.1.2 抗体相似度
8.1.3 抗体浓度
8.2 多目标遗传算法求解多目标FJSP
8.2.1 优化目标
8.2.2 Pareto最优解集构造
8.2.3 精英保留策略
8.2.4 多目标遗传算法流程
8.3 计算结果与分析
8.3.1 三个目标的测试结果和比较分析
8.3.2 六个目标的测试结果
8.4 基于AHP的多目标FJSP调度决策

第四篇  不确定环境下的柔性作业车间调度问题
第9章  基于GEP的柔性作业车间动态调度问题
9.1 动态调度问题描述与研究方法
9.1.1 动态调度问题描述
9.1.2 动态调度问题研究方法
9.2 柔性作业车间动态调度在线启发式算法
9.3 基于GEP的柔性作业车间动态调度规则学习方法
9.3.1 编码与解码方式
9.3.2 遗传操作
9.4 实验结果与分析
9.4.1 实验数据生成
9.4.2 GEP控制参数设置
9.4.3 比较对象
9.4.4 实验结果分析
第10章  基于变邻域遗传算法的FJSP动态调度研究
10.1 FJSP动态调度框架
10.2 动态调度策略
10.2.1 人机协同的重调度策略
10.2.2 滚动窗口重调度策略
10.2.3 基于周期和事件驱动的重调度策略
10.3 动态调度的混合算法设计
10.4 几种突发事件处理
10.5 实验结果与分析
10.5.1 仿真调度实例
10.5.2 结果分析
第11章  多目标动态柔性作业车间调度问题
11.1 动态调度问题的描述
11.2 滚动调度策略
11.2.1 滚动重调度机制
11.2.2 工件窗口
11.3 基于多目标遗传算法求解多目标动态FJSP
11.3.1 重调度问题的解码
11.3.2 基于多目标遗传算法求解多目标动态FJSP的流程
11.4 实例仿真与分析
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
12.1 模糊集相关理论
12.1.1 模糊集合表示
12.1.2 模糊数操作
12.1.3 模糊数的比较
12.2 不确定条件下的柔性作业车间调度问题
12.2.1 问题描述
12.2.2 评价指标
12.2.3 满意度的计算
12.3 基于多目标遗传算法求解多目标模糊FJSP
12.4 试验结果与分析
附录  几组标准测试实例数据
参考文献