《车间逆调度理论及其智能算法》力图以逆优化理论为基础，简单介绍逆优化理论并总结逆优化研究现状，以及实际工业应用实例，逆优化、逆调度概念篇（第1-2章），从逆优化、车间调度、逆调度的概念、发展及应用领域等方面介绍问题，同时分析逆优化与逆调度的联系，总结逆调度目前研究现状。应用篇（第3-5章），针对不同车间类型，主要围绕单机车间逆调度、流水车间逆调度和作业车间逆调度问题分别展开研究，建立相关逆调度问题模型，采用混合智能算法求解，通过实例验证其方法的有效性和优越性。拓展篇（第6章）研究不确定环境下的车间逆调度问题。最后，本书在第7章中对车间逆调度的实例进行分析，并且分析前沿动态与发展方向，做了进一步总结与分析。

提高制造工业的柔性和生产效率，以此推进中国制造业的快速发展。车间调度作为数字化制造车间的关键环节，可有效提高制造车间的生产效率与设备利用率，从而缩短生产周期。 随着交叉学科的不断发展，车间调度逐渐向综合性方向发展。传统的调度问题往往假设在理想环境下进行生产，即假设每个工件的加工信息和车间状况都是提前预知的，并且不可更改，同时依据这些给定加工参数进行调度优化。然而，在实际生产过程中，车间状况是一个动态过程，经常具有不确定性，存在一系列突发事件干扰，如工件随机到达、机器故障维修等，这使得初始优化的调度方案，由于车间状态的变化而失去最优性，有时甚至变为不可行。例如，针对某些生产车间（如汽车、飞机制造、造船等行业的数控加工车间），由于实际市场需求或交货期、原材料、设计方案等的变化导致现有生产无法完成，往往需要对设备、刀具等与车间生产状态相关的参数进行调整，以保证生产平稳、高效地进行。如何调整相关参数来既保证方案满足期望，又使得相关成本最低或方案改变最小成为亟须解决的问题。这就非常需要一种具有高柔性和高容错能力的调度方法。这种方法应在保障成本效益的前提下，能够快速响应生产变化。 近年来，随着人们对逆优化问题研究的深入，不断涌现出新的理论和方法。通过将逆优化理论引入车间调度领域，探索“逆调度理论与方法”的具体应用机理，逆调度可以改善既有调度方案的性能，快速响应车间突发事件，从而达到以最小的改变实现最优调整的目的。这是一类重要的生产调度问题，有广泛的工程应用背景。从理论上讲，目前的逆调度研究不足，缺乏相应的模型、策略和求解方法。因此，对车间逆调度问题进行分析与建模更具挑战性。目前，采用智能算法求解该问题尚属空白，而以往的方法只是针对具体问题给出优化结果，因此需要利用有效的智能算法对其内在结构进行分析，为新的高效求解方法提供相应的理论依据。同时，新的求解方法更注重问题的内在结构与本质。 本书针对已有的调度算法，研究相应的高效混合求解方法。这对车间逆调度问题本质的探究与求解方法的拓展是全新尝试，具有巨大的理论研究意义，同时为车间逆调度的发展提供了新的理论与方法，具有重要的价值。从实际生产环境上讲，以往车间调度的研究往往只考虑加工参数已知、给定的情况，而忽略了实际生产环境中存在不确定因素等情况；另外，研究的问题通常假设在理想状态下进行，对其他因素的考虑较少。本书结合实际生产中可控的加工参数等，通过调整相关参数来确保方案满足期望，以逆调度问题的本质为依据，逐渐对不同车间类型的逆调度问题进行深入研究。 本书主要介绍逆优化、逆调度及车间调度的基本概念、理论方法、关键技术，并应用相关理论与方法解决实际生产中的问题，从基本概念、理论方法与实现应用三个层面，紧密结合车间调度应用背景，将数据驱动的思想引入逆调度研究，阐述车间逆调度理论与方法在工业场景中的应用，从而具有工程应用价值。

第1章 绪论 001 1.1 逆优化问题理论与方法 002 1.2 逆优化问题及其国内外研究现状 004 1.3 车间调度理论与方法 006 1.3.1 车间调度问题的描述及分类 007 1.3.2 车间调度问题的研究方法 009 1.4 动态调度问题的描述及求解方法 016 参考文献 020 第2章 车间逆调度理论与方法 023 2.1 逆调度问题 023 2.1.1 逆调度问题概述 023 2.1.2 逆调度问题的数学模型研究 025 2.2 逆调度问题的国内外研究概况 027 2.2.1 车间逆调度问题的国内研究概况 028 2.2.2 车间逆调度问题的国外研究概况 028 2.3 逆调度现状总结与应用前景分析 029 参考文献 031 第3章 单机车间逆调度 033 3.1 单机逆调度问题 033 3.1.1 加权完成时间和最小的单机逆调度问题描述 033 3.1.2 带交货期的单机逆调度问题描述 035 3.2 基于GAIP混合算法求解单机逆调度 037 3.2.1 遗传算法的基本理论 037 3.2.2 单机逆调度问题的染色体编码与解码 039 3.2.3 单机逆调度问题的初始化 040 3.2.4 选择操作 042 3.2.5 交叉操作 042 3.2.6 变异操作 044 3.2.7 改进的粒子群优化算法 045 3.2.8 基于GAIP混合算法的求解步骤 048 3.3 基于遗传变邻域交替算法求解DSMISP 050 3.3.1 变邻域搜索算法基本理论 050 3.3.2 DSMISP问题的编码与解码 052 3.3.3 种群初始化 053 3.3.4 交叉、变异操作 054 3.3.5 变邻域结构设计 054 3.3.6 基于遗传变邻域交替算法的求解步骤 057 3.4 实验结果与分析 059 3.4.1 实验设计 059 3.4.2 参数设置 060 3.4.3 结果分析与讨论 061 3.5 本章小结 066 参考文献 067 第4章 流水车间逆调度 069 4.1 引言 069 4.2 流水车间逆调度问题 070 4.2.1 流水车间逆调度问题描述 070 4.2.2 多目标流水车间逆调度问题描述 073 4.3 自适应混合遗传算法求解FSISP问题 076 4.3.1 流水车间逆调度问题编码与解码 076 4.3.2 流水车间逆调度问题初始化 078 4.3.3 交叉操作与变异操作 079 4.3.4 自适应的变邻域搜索算法介绍 081 4.4 基于LMONG算法求解多目标流水车间逆调度问题 085 4.4.1 多目标优化问题的基本理论 085 4.4.2 LMONG算法基本操作 089 4.4.3 适应度值评价方法 092 4.4.4 多样性保持策略 093 4.4.5 改进的NEH局部搜索方法 094 4.5 实验结果与分析 096 4.5.1 实验设计 096 4.5.2 结果分析与讨论 098 4.6 本章小结 108 参考文献 110 第5章 作业车间逆调度 113 5.1 引言 113 5.2 作业车间逆调度问题 115 5.2.1 作业车间逆调度问题描述 115 5.2.2 多目标作业车间逆调度问题描述 117 5.3 改进粒子群算法求解作业车间调度 122 5.3.1 粒子群初始化 122 5.3.2 粒子群速度、位置更新机制 123 5.3.3 粒子激活策略 124 5.3.4 改进粒子群算法流程 125 5.4 基于混合变异杂草优化算法求解多目标作业车间逆调度 127 5.4.1 多目标优化方法 127 5.4.2 混合变异杂草优化算法 128 5.4.3 混合算法的基本操作 129 5.4.4 欧氏贴近度适应度值分配策略 130 5.4.5 快速非支配选择排序策略 132 5.4.6 算法流程 133 5.5 实验结果与分析 134 5.5.1 单目标逆调度结果分析 134 5.5.2 多目标逆调度结果分析 137 5.6 本章小结 140 参考文献 141 第6章 不确定环境下的车间逆调度 143 6.1 引言 143 6.2 不确定环境下的车间逆调度问题 144 6.2.1 不确定环境下的单机车间逆调度问题描述（UESSP） 149 6.2.2 不确定环境下的流水车间逆调度问题描述（UEFSP） 150 6.2.3 不确定环境下的柔性作业车间 逆调度问题描述（UEFJSP） 154 6.3 不确定环境下的逆调度问题求解策略 157 6.3.1 第一阶段求解 158 6.3.2 第二阶段求解 158 6.3.3 DPN算法流程 161 6.4 仿真结果与分析 162 6.4.1 实例介绍 162 6.4.2 DPN应用实例 166 6.5 本章小结 171 参考文献 172 第7章 车间逆调度实例分析与前景展望 173 7.1 车间逆调度现状 173 7.2 应用前景分析 176 7.3 车间逆调度实例 178 7.4 研究展望 188 参考文献 190