2017年毕业于华中科技大学并获得工学博士学位，现就职于中国地质大学（武汉）副教授、硕导。曾入选“地大学者-优秀青年人才”，中国机械工程学会工业大数据与智能系统分会委员。已发表SCI论文20余篇，其中ESI高被引论文2篇，一篇入选2017-2019年度IFAC（国际自动控制联合会）会刊论文实践奖，主持国家自然科学青年基金一项，作为骨干成员参与国家自然科学基金、国家重点研发计划重点专项、湖北省自然科学基金等科研项目，荣获十堰市社会科学优秀成果一等奖，同时也是国际SCI期刊IJPR、TII、EO、ASC、JCP等评审专家，荣获JCP优秀评审人称号等。相关研究成果成功运用到了实际生产应用中，也参与了华为、富士康等知名企业的项目合作，显著提高了实际生产中的经济效益。目前主要研究方向包括绿色调度、分布式车间调度、车间布局优化、路径规划等。

本书在系统、全面介绍多目标优化问题及车间调度问题的基础上，重点介绍了加工时间可控的多目标单机调度问题及其求解方法、加工时间可控的多目标并行机调度问题及其求解方法、加工时间可控的多目标流水车间调度问题及其求解方法、加工时间可控的多目标作业车间调度问题及其求解方法、加工时间可控的多目标柔性作业车间调度问题及其求解方法。 本书主要面向从事调度优化研究的学者和工业界中期望寻找有效的调度方法的生产管理人员，也可作为机械工程、工业工程、自动化、计算机工程、管理工程等相关专业的研究生和高年级本科生的教材及学习参考书。

帝国竞争算法（imperialist competitive algorithm，ICA）是基于帝国主义殖民竞争机制的一种新的优化算法，2007年，Atashpaz Gargary和Lucas受帝国主义国家与其殖民地国家的竞争历史的启发，在基于人口数量*优化算法的著作中提出了帝国主义竞争算法。该优化算法是一种属于社会启发的智能计算方法，ICA根据帝国主义国家的社会政策来控制更多的国家，在殖民地国家受一些规律支配时使用它们的资源，如果一个帝国失去强大的势力，其他国家将占有它。在ICA中，由被称为国家的个体来模拟这个过程，帝国主义竞争算法的基本思想是：同其他进化算法相似，在ICA开始部分，将一组个体定义为各个国家，所有的国家被分为帝国主义国家和殖民地国家；将*初比较强大的国家作为帝国主义国家，其他国家作为殖民地国家；根据每个国家的势力将殖民地分配给不同的帝国主义国家；帝国主义国家与其所包含的殖民地国家被称为一个帝国；帝国之间通过竞争以获得更多的殖民地国家，势力更大的帝国有较大的可能性占有*弱的殖民地国家，势力薄弱的帝国将逐渐失去其殖民地国家，当所有殖民地国家全部被一个帝国占有时，该算法结束，帝国主义竞争算法具有简单、准确、省时等优点，是一种十分有效率且易于使用的优化算法，该优化算法节省内存，寻优时间短，并且能够快速的在搜索空间里收敛到*优解。

第1章绪论(1)
1.1引言(1)
1.2车间调度问题(2)
1.2.1车间调度问题概述(2)
1.2.2车间调度问题基本模型(3)
1.3车间调度问题常用求解方法(6)
1.4加工时间可控的车间调度基本问题模型(11)
1.5问题现状与分析(15)
1.6本书的主要内容及总体结构(15)
本章参考文献(17)
第2章多目标优化问题概念及常见算法介绍(24)
2.1引言(24)
2.2多目标优化问题的基本概念(24)
2.3多目标进化算法的分类(26)
2.4多目标进化算法的性能指标(30)
2.4.1性能指标(30)
2.4.2可视化方法(33)
2.5本章小结(34)
本章参考文献(34)
第3章加工时间可控的多目标单机调度问题研究(36)
3.1引言(36)
3.2问题描述与模型建立(36)
3.3基于混合GAGWO求解加工时间可控的单机调度问题(37)
3.3.1GA和GWO算法简介(37)
3.3.2MODGWO算法(41)
3.4数值实验(49)
3.4.1测试问题(49)
3.4.2参数设置(50)
3.4.3改进策略的性能评价(50)
3.4.4与其他多目标进化算法进行比较(54)
3.5本章小结(59)
本章参考文献(59)
第4章加工时间可控的多目标并行机调度问题研究(62)
4.1引言(62)
4.2问题描述与模型建立(62)
4.3基于混合GAVOA求解加工时间可控的并行机调度问题(65)
4.3.1VOA简介(65)
4.3.2基于混合GAVOA的MODVOA算法(68)
4.4数值实验(74)
4.4.1测试问题(74)
4.4.2参数设置(75)
4.4.3实验结果(76)
4.5本章小结(85)
本章参考文献(86)
第5章加工时间可控的多目标流水车间调度问题研究(87)
5.1引言(87)
5.2问题描述与模型建立(88)
5.3基于混合GAGWO的MODGWO求解多目标流水车间调度(91)
5.3.1编码与解码机制(91)
5.3.2种群初始化(91)
5.3.3社会等级分层(92)
5.3.4搜寻猎物(93)
5.3.5机器负载降低策略(93)
5.3.6替换机制(96)
5.4数值实验(96)
5.4.1测试问题(96)
5.4.2参数设置(97)
5.4.3机器负载降低策略性能分析(98)
5.4.4与其他多目标进化算法进行对比(100)
5.5本章小结(103)
本章参考文献(104)
第6章加工时间可控的多目标作业车间调度问题研究(106)
6.1引言(106)
6.2问题描述(107)
6.3基于多Agent的加工时间可控的作业车间调度(108)
6.4仿真实验(110)
6.4.1仿真环境与数据(110)
6.4.2实验结果与分析(112)
6.5本章小结(116)
本章参考文献(116)
第7章加工时间可控的多目标柔性作业车间调度问题研究(118)
7.1引言(118)
7.2问题描述与模型建立(120)
7.3基于MODVOA求解MOFJSPCPT(121)
7.3.1编码与解码机制(122)
7.3.2种群初始化(124)
7.3.3病毒复制(124)
7.3.4更新探索搜索机制(126)
7.4数值实验(128)
7.4.1测试问题(129)
7.4.2参数设置(129)
7.4.3改进策略的性能评价分析(129)
7.4.4与其他多目标进化算法进行对比(133)
7.5本章小结(138)
本章参考文献(138)
第8章加工时间可控的多目标车间调度实例(142)
8.1引言(142)
8.2加工时间可控的流水车间调度问题实例(142)
8.2.1焊接车间调度问题实例(142)
8.2.2结果及分析(145)
8.3加工时间可控的柔性作业车间调度问题实例(148)
8.3.1发动机冷却风扇生产车间调度问题实例(148)
8.3.2结果及分析(150)
8.4本章小结(152)