基于進(jìn)化優(yōu)化的多目標(biāo)批量流水線調(diào)度
定 價(jià)：85 元
叢書名：智能科學(xué)技術(shù)著作叢書
- 作者：韓玉艷 ... [等] 著
- 出版時(shí)間：2018/2/1
- ISBN：9787030566034
- 出 版 社：科學(xué)出版社
- 中圖法分類：F406.2
- 頁碼：200
- 紙張：
- 版次：1
- 開本：B5
多目標(biāo)批量流水線調(diào)度問題普遍存在于制造業(yè)、信息服務(wù)業(yè)等，但是，已有的解決該問題的方法非常少，采用進(jìn)化優(yōu)化方法求解多目標(biāo)批量?jī)?yōu)化問題成為近年來進(jìn)化優(yōu)化界的熱點(diǎn)研究方向之一。本書闡述用于求解多目標(biāo)、多約束以及參數(shù)具有不確定性的批量流水線調(diào)度理論與進(jìn)化優(yōu)化方法，主要包括構(gòu)建多目標(biāo)批量、多目標(biāo)阻塞批量、加工時(shí)間不確定及機(jī)器故障的多目標(biāo)阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型，以及基于人工蜂群算法和非支配排序遺傳算法框架，提出改進(jìn)的多目標(biāo)優(yōu)化算法，用于高效進(jìn)化求解上述問題。本書還給出不同方法在基準(zhǔn)測(cè)試用例的應(yīng)用，以及全面詳細(xì)的算法對(duì)比結(jié)果。本書是一部用進(jìn)化優(yōu)化方法解決多目標(biāo)批量流水線調(diào)度問題的專著，也是作者近4年來在多項(xiàng)國(guó)家和省部級(jí)科研項(xiàng)目資助下取得的一系列研究成果的結(jié)晶。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
《智能科學(xué)技術(shù)著作叢書》序
前言
第1章 基本知識(shí) 1
1.1 調(diào)度問題基礎(chǔ)知識(shí) 1
1.1.1 基本概念 1
1.1.2 流水線調(diào)度問題分類 3
1.2 批量流水線調(diào)度問題研究現(xiàn)狀 8
1.2.1 單目標(biāo)批量流水線調(diào)度問題 9
1.2.2 多目標(biāo)批量流水線調(diào)度問題 10
1.3 加工時(shí)間不確定調(diào)度問題研究現(xiàn)狀 11
1.4 帶機(jī)器故障調(diào)度問題研究現(xiàn)狀 14
1.5 基本ABC算法和NSGA-II 17
1.5.1 基本ABC算法 17
1.5.2 NSGA-II 19
1.6 本書主要內(nèi)容 22
1.7 本章小結(jié) 24
參考文獻(xiàn) 24
第2章 阻塞流水線調(diào)度問題的進(jìn)化求解 35
2.1 研究背景 35
2.2 阻塞流水線調(diào)度問題的數(shù)學(xué)模型 36
2.3 融入差分進(jìn)化的離散人工蜂群算法 38
2.3.1 初始化種群 39
2.3.2 差分進(jìn)化 40
2.3.3 自適應(yīng)插入交換 42
2.3.4 局部搜索 44
2.4 算法描述 45
2.5 實(shí)驗(yàn) 46
2.5.1 實(shí)驗(yàn)設(shè)置 46
2.5.2 參數(shù)pmu、pc和pls對(duì)DE-ABC算法的影響 47
2.5.3 DE-ABC算法與六種對(duì)比算法的ARPD值 49
2.5.4 120個(gè)算例的上界值 52
2.5.5 DE-ABC算法與對(duì)比算法的進(jìn)化曲線 57
2.5.6 非參數(shù)檢驗(yàn) 59
2.6 本章小結(jié) 60
參考文獻(xiàn) 60
第3章 多目標(biāo)批量流水線調(diào)度問題的進(jìn)化求解 62
3.1 研究背景 62
3.2 多目標(biāo)批量流水線調(diào)度問題的數(shù)學(xué)模型 63
3.3 INSGA-II 65
3.3.1 初始化種群 66
3.3.2 子代產(chǎn)生方法 67
3.3.3 重啟策略 71
3.4 算法描述 72
3.5 實(shí)驗(yàn) 74
3.5.1 實(shí)驗(yàn)設(shè)置 74
3.5.2 參數(shù)pc對(duì)INSGA-II的影響 75
3.5.3 初始化策略的性能分析 76
3.5.4 變異算子的性能分析 78
3.5.5 INSGA-II、NSGA-II、DHS和TA算法的性能分析 79
3.5.6 非參數(shù)檢驗(yàn) 84
3.6 本章小結(jié) 84
參考文獻(xiàn) 85
第4章 多目標(biāo)阻塞批量流水線調(diào)度問題的進(jìn)化求解 86
4.1 研究背景 86
4.2 多目標(biāo)阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型 87
4.3 混合人工蜂群算法 90
4.3.1 初始化種群 90
4.3.2 個(gè)體產(chǎn)生方法 93
4.3.3 觀察蜂個(gè)體產(chǎn)生方法 98
4.4 算法描述 99
4.5 實(shí)驗(yàn) 100
4.5.1 實(shí)驗(yàn)設(shè)置 100
4.5.2 參數(shù)pc和pls對(duì)所提算法的影響 102
4.5.3 初始化策略的性能分析 104
4.5.4 交叉和變異算子性能分析 105
4.5.5 pls性能分析 107
4.5.6 BBEDA、INSGA-II、NGA、TA和HDABC算法性能分析 109
4.6 本章小結(jié) 113
參考文獻(xiàn) 114
第5章 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題的進(jìn)化求解 116
5.1 研究背景 117
5.2 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型 117
5.2.1 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題的描述 117
5.2.2 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題的轉(zhuǎn)化 118
5.3 改進(jìn)的NSGA-II 120
5.3.1 初始化種群 120
5.3.2 交叉算子 123
5.3.3 基于理想點(diǎn)選擇的局部搜索算法 126
5.4 算法描述 128
5.5 實(shí)驗(yàn) 129
5.5.1 實(shí)驗(yàn)設(shè)置 129
5.5.2 初始化策略的性能分析 131
5.5.3 交叉算子的性能分析 132
5.5.4 基于理想點(diǎn)選擇的局部搜索的性能分析 134
5.5.5 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題轉(zhuǎn)化前后性能分析 137
5.5.6 多目標(biāo)區(qū)間阻塞批量流水線調(diào)度問題轉(zhuǎn)化前后進(jìn)化曲線 140
5.5.7 與其他多目標(biāo)算法的比較 143
5.6 本章小結(jié) 145
參考文獻(xiàn) 145
第6章 帶機(jī)器故障的多目標(biāo)阻塞批量流水線調(diào)度問題的進(jìn)化求解 147
6.1 研究背景 148
6.2 帶機(jī)器故障的多目標(biāo)阻塞批量流水線調(diào)度問題的數(shù)學(xué)模型 148
6.3 融入重調(diào)度的NSGA-II 151
6.3.1 第一階段 151
6.3.2 子代個(gè)體產(chǎn)生方法 152
6.3.3 重調(diào)度策略 153
6.4 算法描述 156
6.5 實(shí)驗(yàn) 157
6.5.1 實(shí)驗(yàn)設(shè)置 157
6.5.2 初始化策略的性能分析 158
6.5.3 交叉算子和變異算子性能分析 158
6.5.4 RNSGA-II、DABC、INSGA和DHS算法性能分析 160
6.5.5 對(duì)比算法的進(jìn)化曲線 167
6.5.6 RNSGA-II和vNEH啟發(fā)式算法性能比較 169
6.6 本章小結(jié) 171
參考文獻(xiàn) 172
第7章 多目標(biāo)有限緩沖區(qū)批量流水線調(diào)度實(shí)例 173
7.1 應(yīng)用背景簡(jiǎn)介 173
7.2 太陽能電池組件批量流水線調(diào)度 174
7.3 應(yīng)用實(shí)例 177
7.4 本章小結(jié) 181
參考文獻(xiàn) 181
第8章 本書結(jié)論 182
8.1 本書所做的工作 182
8.2 本書創(chuàng)新點(diǎn) 184
8.3 需要進(jìn)一步研究的問題 184
書單推薦
