《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。

牟健慧 副教授 烟台大学机电汽车工程学院。2015年于华中科技大学获得博士学位。2010.10-2012.10曾在上海通用汽车有限公司任职，熟悉智能生产相关环节。主持国家自然科学基金项目1项，山东省自然科学基金项目1项，山东省教育厅项目1项，参与国家863重大专项等课题，作为第三参与单位负责人参与山东省重大创新工程专项1项。已经发表SCI/EI论文10余篇，其中本领域公认高质量论文：1区SCI 论文2篇，2区SCI论文4篇， 申请国家发明专利等2项，其中，2016.7月发表的关于车间调度论文被评为"会议最佳论文”。作者长期从事车间逆调度、生产优化运行、智能算法等研究。高亮，男，1974年生，博士，华中科技大学机械科学与工程学院教授、博士生导师，国家杰出青年基金获得者。担任教育部科技委学部委员、教育部工业工程专业教指委委员、装备发展部先进制造技术专业组成员、数字制造装备与技术国家重点实验室副主任、兵装集团智能制造技术中心第一届专家委员会专家、华中科技大学科学技术发展院和先进技术与装备研究院副院长。主要从事智能制造系统、智能设计、智能优化方法等研究。承担国家自然科学基金重点项目、973课题、863项目、装发部预研基金、国防基础科研计划及企业委托课题等项目20余项。出版著作7部，其中英文专著2部，发表SCI论文230余篇（Web of Science被引3800余次，谷歌学术被引6200余次），ESI热点论文1篇、高被引论文10余篇。2008年获教育部新世纪优秀人才计划资助，2013年获中国机械工程学会青年科技成就奖。获2015年度国家科技进步二等奖1项（排名第二），2013年度教育部自然科学一等奖1项（排名第一）。担任IET CIM主编，SEC、JIPE副主编等。李新宇，男，1985年1月生，湖北仙桃人，华中科技大学机械学院教授，"数字制造装备与技术”国家重点实验室成员，获全国优秀博士学位论文提名奖。2009 年毕业于华中科技大学，获博士学位。现从事现代智能优化方法及其应用、工艺规划、车间调度以及两者集成、深度学习及其应用等方面的科研工作，取得了较丰硕的成果。近年来主持国家自然科学基金项目3项、国家发改委2012年海洋工程装备研发及产业化专项子课题1项、ZZ预研基金1项、装备预研教育部联合基金1项；参与973课题1项、863计划1项、国家科技支撑计划1项、国家自然科学基金重点项目2项及企业委托课题等。担任《工业工程》编委。获得湖北省杰出青年基金项目资助，入选华中学者"晨星岗”、武汉市青年科技晨光计划。国家自然科学基金委员会同行通信评议专家、中国运筹学会会员、中国仿真学会会员、湖北省机械工程学会工业工程专业委员会副理事长、湖北省运筹学会理事/副秘书长、中国仿真学会智能仿真优化与调度专业委员会副秘书长/常务委员、中国机械工程学会生产工程学会生产系统专业委员会委员。发表/录用SCI 收录（源刊）98篇，IEEE Transactions论文8篇，ESI热点论文1篇、ESI高被引论文7篇，Web of Science引用1500余次。出版专著4部、撰写英文书籍1章，担任PDR2012会议论文集编委，取得计算机软件著作权12项，申请发明专利23项（授权13项，公开10项）。获教育部自然科学一等奖1项（排名第4）、海洋科学技术二等奖1项（排名第9）、中国运筹学会"青年科技奖”提名奖、中国仿真学会智能仿真优化与调度专委会"青年科学家奖”于 涛，男，1979.02生，烟台大学机电汽车工程学院副院长，工程力学国家级虚拟仿真实验教学中心（烟台大学）副主任。2007.9月获得东北大学工学博士，主要研究方向为机械动力学、振动控制、旋转机械故障诊断等，在多个国际学术会议中担任组委会、程序委员会委员。在国内外学术刊物及会议上发表学术论文80余篇，出版专著2部。作为项目负责人主持完成国防973子课题、国家自然科学基金项目、总装预研基金、山东省自然科学基金、教育部留学归国基金项目，以及企事业单位委托项目20余项。获得10项国家专利，5项计算机软件著作登记权，获山东省教学成果一等奖等省部级、厅局级奖励7项。

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