流水作業(yè)調(diào)度算法設計與性能分析

定　價：￥129.00

作　者：	白丹宇、任濤
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥99.30)

ISBN：	9787302649649	出版時間：	2023-11-01	包裝：	精裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書針對帶有釋放時間的流水車間及開放車間調(diào)度，分別研究了非線性目標函數(shù)、學習效應以及雙代理等問題模型。對于小規(guī)模問題，設計分支定界（B&B）算法進行精確求解。對于較大規(guī)模問題，將B&B算法求得的上界作為初始種群，采用離散差分進化（DDE）算法進行近似求解。在數(shù)值實驗中，B&B、DDE算法分別與CPLEX、PSO算法對比驗證有效性。讀者對象主要為系統(tǒng)工程、應用數(shù)學、管理科學與工程、計算機科學與技術(shù)等專業(yè)的高年級本課程、研究生，及高校教師與技術(shù)人員。

作者簡介

　　白丹宇，大連海事大學教授，中國運籌學會排序分會常務理事、副秘書長，中國仿真學會智能仿真優(yōu)化與調(diào)度專委會委員、副秘書長。清華大學訪問學者，澳大利亞科廷大學訪問學者。

圖書目錄

第1章緒論
1.1調(diào)度問題的符號與定義
1.2調(diào)度問題的求解方法
1.3調(diào)度算法及性能分析方法
1.3.1調(diào)度算法
1.3.2評價算法性能的主要方法
1.4相關(guān)調(diào)度問題研究現(xiàn)狀
1.4.1漸近分析研究現(xiàn)狀
1.4.2流水作業(yè)流水作業(yè)調(diào)度問題研究現(xiàn)狀
1.5本書主要內(nèi)容
第2章帶有釋放時間釋放時間的流水作業(yè)流水作業(yè)調(diào)度問題
2.1引言
2.2問題描述與數(shù)學模型
2.3分支定界分支定界算法
2.3.1剪支規(guī)則
2.3.2分支定界分支定界算法下界下界
2.3.3算法流程
2.4非線性目標問題上界上界與下界下界的性能分析
2.4.1問題下界下界的收斂性分析
2.4.2初始上界最壞性能分析最壞性能分析
2.5混合離散差分進化算法
2.6數(shù)值仿真實驗
2.6.1分支定界分支定界算法
2.6.2離散差分進化算法
2.6.3問題下界下界性能測試
2.6.4工業(yè)數(shù)據(jù)測試
2.7本章小結(jié)
第3章考慮處理器阻塞阻塞的流水作業(yè)流水作業(yè)調(diào)度問題
3.1引言
3.2問題描述與數(shù)學模型
3.3分支定界分支定界算法
3.3.1剪支規(guī)則
3.3.2分支定界分支定界算法下界下界
3.3.3算法流程
3.4混合離散差分進化算法
3.5數(shù)值仿真實驗
3.5.1分支定界分支定界算法
3.5.2混合離散差分進化算法
3.6本章小結(jié)
第4章考慮學習效應的流水作業(yè)流水作業(yè)調(diào)度問題
4.1引言
4.2問題描述與數(shù)學模型
4.2.1數(shù)學模型
4.2.2學習效應學習效應函數(shù)
4.3啟發(fā)式啟發(fā)式算法的漸近性能分析漸近性能分析
4.3.1SPTAF啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.3.2SPTAA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.3.3EDDA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.4分支定界分支定界算法
4.4.1分支定界分支定界算法下界下界
4.4.2剪支規(guī)則
4.4.3算法流程
4.5智能優(yōu)化算法
4.5.1離散差分進化算法
4.5.2粒子群優(yōu)化粒子群優(yōu)化算法
4.5.3人工蜂群算法
4.6數(shù)值仿真實驗
4.6.1分支定界分支定界算法
4.6.2智能優(yōu)化算法數(shù)值仿真實驗
4.6.3啟發(fā)式啟發(fā)式算法數(shù)值仿真實驗
4.7本章小結(jié)
第5章雙代理雙代理流水作業(yè)流水作業(yè)調(diào)度問題
5.1引言
5.2問題描述與數(shù)學模型
5.3啟發(fā)式啟發(fā)式算法
5.3.1DA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
5.3.2基于DA下界下界的性能分析
5.3.3ADA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
5.3.4基于ADA下界下界的性能分析
5.4分支定界分支定界算法
5.4.1剪支規(guī)則
5.4.2分支定界分支定界算法下界下界
5.4.3算法流程
5.5離散人工蜂群算法
5.6數(shù)值仿真實驗
5.6.1分支定界分支定界算法
5.6.2離散人工蜂群算法
5.6.3啟發(fā)式啟發(fā)式的數(shù)值仿真實驗
5.7本章小結(jié)
第6章雙代理雙代理阻塞阻塞流水作業(yè)流水作業(yè)及其擴展問題
6.1引言
6.2問題描述與數(shù)學模型
6.2.1雙代理雙代理阻塞阻塞流水作業(yè)流水作業(yè)調(diào)度問題
6.2.2擴展問題
6.3分支定界分支定界算法
6.3.1剪支規(guī)則
6.3.2分支定界分支定界算法下界下界
6.3.3初始上界
6.3.4算法流程
6.4混合粒子群優(yōu)化算法
6.5數(shù)值仿真實驗
6.5.1混合粒子群優(yōu)化算法數(shù)值仿真實驗
6.5.2分支定界分支定界算法數(shù)值仿真實驗
6.5.3擴展問題數(shù)值仿真實驗
6.6本章小結(jié)
第7章考慮學習效應的混合流水作業(yè)調(diào)度問題
7.1引言
7.2問題介紹
7.2.1問題描述與數(shù)學模型
7.2.2學習效應學習效應函數(shù)
7.3分支定界分支定界算法
7.3.1框架設計
7.3.2剪支規(guī)則
7.3.3算法下界下界
7.3.4算法流程
7.4雙種群離散差分進化算法
7.5GSPTA啟發(fā)式啟發(fā)式算法及問題下界下界
7.5.1GSPTA啟發(fā)式啟發(fā)式算法
7.5.2問題下界下界
7.6數(shù)值仿真實驗
7.6.1分支定界分支定界算法測試
7.6.2雙種群離散差分進化算法仿真實驗
7.6.3啟發(fā)式啟發(fā)式算法仿真實驗
7.7本章小結(jié)
參考文獻
附錄A
附錄B
附錄C
附錄D
附錄E
附錄F英漢排序與調(diào)度詞匯
索引