《企业生产调度的智能优化方法》详细阐述了微粒群算法和DNA遗传算法等新型群体智能优化算法的基本原理，以及在Flow-shop、Job-shop型生产调度问题、带约束条件的模糊交货期流水车间调度问题和半导体生产调度问题上的研究应用。《企业生产调度的智能优化方法》在分析比较各种典型生产调度问题特点的基础上，研究了不同调度算法在这些生产调度问题中的应用，通过对实际生产调度问题的仿真实验，并将仿真结果进行分析和比较，得出了有效和实用的改进算法，为企业生产运作管理提供了科学的指导方法。
《企业生产调度的智能优化方法》适合管理专业或计算机专业的本科生和研究生以及生产调度人员阅读。

随着市场竞争的日趋激烈，制造业面临着许多全球性问题，如制造资源日益匮乏、产品的多样性、生产周期缩短等。如何运用有限的资源降低产品的生产成本、缩短制造周期，保证及时交货，提高企业信誉，赢得更多的客户，成为制造企业在竞争中生存的重要条件。因此，每个企业都在寻求好的生产运作管理方式以提高企业的生产经营和管理效率，从而提高企业的竞争力。
企业的生产调度问题是涉及运筹学、应用数学、人工智能学以及计算机科学等学科的综合性问题。作为制造系统的一个研究热点，其主要研究的是根据生产目标和约束条件，为每个加工对象确定具体的加工路径、时间、机器和操作环节等，优良的调度策略对于提高生产系统的经济效益起着极大的作用。其中，车间调度与控制技术是实现生产**率、高柔性和高可靠性的关键（包括车间作业调度问题、流水车间调度问题和可重人型生产调度问题等），有效实用的调度方法和优化技术的研究与应用已成为先进制造技术实践的基础。本书的出版旨在激发读者在这一领域的研究兴趣。
在总结归纳国内外有关研究成果的基础上，本书系统地阐述了人工生命与群体智能算法中的DNA遗传算法和微粒群算法的基本结构、原理及实现技术，并且详细介绍了这种智能优化算法应用在Flow-sh叩型流程工业企业、J0b-shop型五金加工企业、模糊交货期流水车间以及可重入型的半导体生产制造的炉管区调度问题。针对具体生产调度问题，从算法设计的角度人手，通过数学建模、智能算法混合、仿真实验等方法对DNA遗传算法和微粒群算法进行了一系列的改进，得出有效和实用的改进算法。通过对实际生产调度问题的仿真实验，并将仿真结果进行分析和比较，证明改进后的优化算法具有全局性能好、健壮性强、搜索效率高等优点，为企业生产运作管理提供了科学的指导方法。

第1章 绪论 1
1.1 本书写作背景及意义 1
1.2 本书主要内容 3

第2章 生产调度问题及其优化方法 5
2.1 生产调度问题的提出 5
2.1.1 生产调度问题 6
2.1.2 生产调度问题的分类 7
2.2 车间生产调度问题 8
2.2.1 车间生产调度问题的描述 8
2.2.2 车间调度问题的特点 9
2.2.3 Job-shop、Flow-shop和可重入型的车间调度问题 9
2.3 生产调度问题的优化方法 11
2.3.1 调度策略的研究 12
2.3.2 生产调度方法的研究 13
2.4 小结 18

第3章 人工生命与群体智能 19
3.1 人工生命 19
3.1.1 人工生命的研究思想 20
3.1.2 人工生命的研究结构 20
3.1.3 人工生命的研究动态 21
3.2 群体智能 23
3.2.1 群体智能的研究起源 24
3.2.2 群体智能算法的原理 24
3.2.3 群体智能的研究动态 25
3.3 群体智能与人工生命的关系 27
3.3.1 群体智能与人工生命的区别 27
3.3.2 群体智能与人工生命的联系 27
3.4 小结 28

第4章 微粒群算法 29
4.1 微粒群算法 29
4.1.1 微粒群算法的基本思想 29
4.1.2 微粒群算法的参数设置 30
4.1.3 微粒群算法的框架理念 31
4.1.4 微粒群算法的设计及流程 32
4.1.5 微粒群算法的收敛性分析 36
4.2 微粒群算法与其他优化方法的比较 39
4.3 微粒群算法的应用现状 39
4.4 小结 40

第5章 DNA遗传算法 41
5.1 DNA算法 41
5.1.1 DNA算法的基本原理 41
5.1.2 DNA组成结构 42
5.1.3 DNA分子操作技术 43
5.1.4 DNA计算与软计算的集成 44
5.1.5 DNA算法的研究现状及应用 45
5.2 DNA遗传算法 46
5.2.1 DNA遗传算法的基本概念 46
5.2.2 DNA遗传算法的实现技术 47
5.2.3 DNA遗传算法与遗传算法的比较 48
5.3 小结 49

第6章 作业型生产车间的微粒群调度算法 51
6.1 作业车间调度问题描述 51
6.2 基于作业调度问题的微粒群算法 53
6.2.1 编码 53
6.2.2 局部极值的判断 54
6.2.3 建立记忆库 56
6.2.4 动态设定惯性权重 57
6.2.5 自适应的交叉机制 57
6.2.6 自适应的变异机制 58
6.2.7 改进微粒群算法的流程 58
6.3 仿真算例 60
6.4 小结 63

第7章 流水型生产车间的DNA遗传调度算法 65
7.1 流水车间调度问题的描述 66
7.2 DNA遗传算法 67
7.3 改进DNA遗传算法 71
7.3.1 建立工序问题的DNA计算模型 71
7.3.2 编码方法 72
7.3.3 适应度函数 73
7.3.4 分裂算子 74
7.3.5 变异算子 74
7.3.6 选择算子 74
7.4 仿真算例 75
7.5 小结 78

第8章 模糊交货期流水车间的微粒群调度算法 81
8.1 模糊交货期调度问题 82
8.1.1 订单完成期的模糊描述 85
8.1.2 订单的实际处理时间 86
8.1.3 模糊目标函数 86
8.2 提前/滞后流水车间(FSSP)的混合微粒群算法 87
8.2.1 提前/滞后FSSP问题的描述 87
8.2.2 引入惩罚函数 88
8.2.3 动态惯性权重 89
8.2.4 引进交换子、交换序 90
8.2.5 引入禁忌搜索机制 91
8.2.6 混合微粒群算法的流程 92
8.3 仿真算例 92
8.4 小结 96

第9章 半导体制造系统的调度问题 97
9.1 半导体制造产业的战略意义 97
9.2 半导体生产过程及制造工艺 98
9.2.1 半导体生产制造过程 98
9.2.2 半导体生产的工作区域 99
9.2.3 半导体生产制造工艺 100
9.3 半导体制造系统调度 104
9.3.1 半导体制造系统调度问题的特点 105
9.3.2 半导体制造系统调度的约束 106
9.3.3 半导体制造系统的调度分类 107
9.3.4 半导体制造系统的调度策略 110
9.4 小结 111

第10章 半导体炉管区生产调度的微粒群算法 113
10.1 半导体炉管区的生产调度 113
10.1.1 半导体炉管区的生产情况 113
10.1.2 半导体炉管区调度问题的数学描述 114
10.2 基于群体智能调度模型的双层微粒群算法 116
10.2.1 半导体炉管区群体智能调度模型 116
10.2.2 实现集中优化控制的C_PSO算法 117
10.2.3 实现分布式动态控制的D_PSO算法 119
10.2.4 算法流程 120
10.3 仿真算例 121
10.4 某半导体制造公司6寸线炉管区批量调度实例 128
10.5 小结 133

第11章结束语 135

参考文献 139
附录 149
……