分布估计调度算法_王凌、王圣尧、方晨_9787302488590

分布估计调度算法

定价：¥49

中教价：¥37.73 (7.70折）

库存数： 0

购买数量：

　　《分布估计调度算法》主要介绍分布估计算法（EDA）在柔性车间调度与资源约束调度等问题上的应用。全书由11章构成，内容自成体系，安排如下：第1章介绍EDA的原理及其相关研究的进展。第2~6章分别介绍不相关并行机调度、柔性作业车间调度、模糊柔性作业车间调度、随机混合流水线调度、分布式流水线装配调度等问题的EDA设计与性能分析。第7~9章介绍随机资源约束项目调度、多目标资源约束项目调度、低碳项目调度等问题的EDA设计与性能分析。第10~11章分别介绍EDA在半导体最终测试调度、电子系统综合设计建模与优化等问题上的应用。
　　本书主要面向自动化、管理、计算机、机械、工业工程等学科的高等院校、研究机构和企业的教师、学生、技术人员。

　　前言
　　随着科学技术的不断发展，当前所面临的问题越来越复杂。从优化的角度而言，许多实际问题存在非线性、强约束、多极小、多目标、不确定等复杂性，规模庞大，建模困难，评价费时.鉴于诸多复杂性对优化理论与技术带来的新挑战，借鉴生物、物理、社会等系统的相关功能、特点与作用机理以及其他学科最新的研究成果，研究新的信息处理机制和计算模型，设计适合大规模问题的智能求解算法已成为诸多学科的重要研究课题.
　　智能优化就是基于计算智能的机制，提炼合适的特征模型，设计有效的优化算法，进而获得复杂问题的最优解或满意解.智能算法要尽量保证取得全局的优化质量、快速的优化效率和鲁棒的优化性能.对于优化问题的非线性和多极小性，智能算法应具有克服搜索过程陷入局部极小的能力；对于问题的大规模性和NP难特性，应具有保证一定优化质量前提下的高效搜索能力；对于问题的多目标性，应具有综合与协调多个目标的能力；对于问题的强约束性，应具有高效处理约束来保证获得可行解的能力；对于问题的不确定性因素和算法本身的参数设置，应具有良好的鲁棒性；对于问题的理解与特征建模，应具有合理性和实用性；对于解的性能评价过程，应具有快速性和准确性；对于问题连续与离散变量共存的特点，应具有搜索操作的灵活性和有效性.研究先进的智能优化理论，设计高效的智能优化方法，推广有效的智能优化应用，不仅具有重要的学术价值和学科发展意义，而且对于提高企业的管理水平、增加企业的效益、促进企业的发展具有十分重要的现实意义.
　　作为一种群体智能优化算法，分布估计算法(estimationofdistributionalgorithm，EDA)基于统计学习的理论和方式，从群体宏观的角度建立概率模型，用以描述候选解在搜索空间中的分布信息，然后通过对概率模型的随机采样产生新解，再利用优良解的信息更新概率模型，如此反复迭代进而获得问题的优良解.EDA采用基于搜索空间宏观层面的进化方式，通过对搜索空间的采样和统计学习来预测搜索的最佳区域，因此具备较强的全局搜索能力和较快的收敛速度.EDA自1996年被提出后，迅速成为群体智能优化研究的热点算法之一，尤其在算法设计层面得到了广泛的研究与发展，并在诸多领域得到成功应用.同时，IEEETransonEvolutionaryComputation、IEEETransonCybernetics等权威国际期刊，计算智能领域的两大旗舰会议WorldCongressonComputationalIntelligence(WCCI)、IEEESymposiumSeriesonComputationalIntelligence(SSCI)上涌现出大量有关EDA的研究论文.
　　文献调研表明，分布估计算法的研究大部分针对连续优化问题，而针对离散组合优化问题的研究相对较少.近些年，EDA在典型生产调度问题上得到了应用与推广，但国内外尚无一本专门介绍EDA调度的书籍.依托国家杰出青年科学基金、国家自然科学基金重点和面上项目、国家重点研发计划、教育部博士点基金等项目，作者所在课题组围绕一系列复杂调度问题深入开展了EDA的设计、性能分析与应用研究，近些年在运筹与管理、生产制造等领域的著名国际期刊和IEEE汇刊上发表了多篇高水平研究论文，得到了国际同行的高度评价与广泛引用.本书融合了课题组的代表性研究成果以及多篇清华大学优秀博士学位论文、优秀硕士学位论文的内容，介绍EDA的原理、基本框架和研究进展，着重介绍EDA在柔性车间调度和资源约束调度两类典型问题上的研究与应用，为复杂调度问题的求解提供新的思路和方法.全书由11章构成，内容自成体系.第1章介绍EDA的原理及其相关研究的进展，第2章介绍不相关并行机调度的混合EDA，第3章介绍柔性作业车间调度的多目标EDA，第4章介绍模糊柔性作业车间调度的EDA，第5章介绍随机混合流水线调度的混合EDA，第6章介绍分布式流水线装配调度的混合EDA，第7章介绍随机资源约束项目调度基于序的EDA，第8章介绍多目标资源约束项目调度的混合EDA，第9章介绍低碳项目调度的混合EDA，第10章介绍EDA在半导体最终测试调度上的应用，第11章介绍EDA在电子系统综合设计建模与优化上的应用.
　　希望本书的出版，有助于初学的读者了解EDA调度算法的原理与设计，有助于有基础的读者开展EDA调度算法的应用与推广，进而促进EDA研究的发展与完善，加强基于计算智能的调度算法研究，推动相关学科的交叉与融合.
　　最后，感谢清华大学吴澄院士、郑大钟教授、金以慧教授、刘民教授，北京理工大学陈杰教授，香港城市大学ZhangQF教授，新加坡南洋理工大学SuganthanPN教授，华中科技大学高亮教授、潘全科教授等对相关研究工作给予的热心指导和建议，感谢清华大学出版社的大力支持，感谢参与研究的课题组全体博士生和硕士生.另外，特别感谢国家重点研发计划(2016YFB0901900)、国家杰出青年科学基金(61525304)等项目对相关研究工作的资助.
　　由于作者水平有限，本书许多内容还有待完善和深入研究，对于不足之处，诚望读者批评指教.
　　作者2017年9月
收起全部↑

　　第3章基于BEDA的柔性作业车间调度
　　3.1引言
　　柔性作业车间调度问题（flexiblejobshopschedulingproblem，FJSP）是柔性制造系统中典型的调度问题，可视为传统作业车间调度问题（jobshopschedulingproblem，JSP）的一种扩展.对于传统的作业车间，每台机器只能完成某一道特定工序，每道工序也只能由某一台特定机器完成.对于柔性作业车间，机器为多功能机，可以完成多种工序，每道工序也可由多台机器中的任一台完成.求解FJSP，既要确定每台机器上的工序顺序，还要确定每道工序的机器分配.因此，FJSP是典型的组合优化问题，其求解比JSP更为复杂［1］.
　　近年来，FJSP已成为生产调度领域的研究热点，尤其是以最小化最大完工时间为指标的单目标优化问题.假设每道工序在不同机器上的加工时间相同，Bruker等［2］提出了求解两工件问题的一种多项式算法.Brandimarte［3］提出了一种基于问题分解的双层禁忌搜索算法（tabusearch，TS），首先求解工序的机器分配问题，然后将问题转化为传统的JSP进一步求解.DauzerePeres等［4］给出了一种扩展的析取图模型，定义了问题的邻域结构，进而提出了基于综合法的一种TS算法.随后，Mastrolilli等［5］提出了两种改进的邻域结构，缩短了TS算法的运行时间，并提高了算法的求解性能.Pezzella等［6］提出了一种遗传算法（geneticalgorithm，GA），研究表明采用多种不同的策略进行种群初始化、选择和个体生成可以改进算法的性能.Gao等［7］将GA与变邻域搜索（variableneighborhoodsearch，VNS）结合求解FJSP.Yazdani等［8］设计了六种邻域结构，提出了一种并行变邻域搜索算法（parallelVNS，PVNS）算法.Xing等［9］采用知识模型记录搜索过程中获取的信息，提出了一种基于知识的蚁群优化算法（knowledgebasedantcolonyoptimization，KBACO）.Li等［10］设计了一种快速局部搜索方法，进而提出了一种基于公共关键块的禁忌搜索算法（TSwithpubliccriticalblock，TSPCB）.

　　对于多目标FJSP（multiobjectiveFJSP，MFJSP），现有的求解算法大致可分为两类：目标加权法和Pareto支配方法.
　　目标加权法通过为各个目标设置相应的权重，将多目标优化问题转化为单目标优化问题进行求解，但每次运行通常只能获得一个解.例如，微粒群优化（particleswarmoptimization，PSO）与模拟退火（simulatedannealing，SA）的混合算法［11］、基于遗传编程（geneticprogramming，GP）的集成指派规则（dispatchingrule，DR）方法［12］、过滤束搜索算法（filteredbeamsearchbasedheuristic，FBSH）［13］、禁忌搜索算法［14］等.
　　Pareto支配方法采用基于Pareto支配意义上的最优性进行解的性能比较，进而基于群体优化算法迭代搜索性能更好的解，每次运行通常可以得到一组Pareto最优解，供决策者选择.例如，模糊逻辑进化算法［15］、多目标遗传算法（multiobjectiveGA，MOGA）［16］、多目标微粒群优化算法（multiobjectivePSO，MOPSO）［17］、基于Pareto的离散人工蜂群算法（Paretobaseddiscreteartificialbeecolony，PDABC）［18］等.
　　针对柔性作业车间调度问题，本章首先考虑最小化完工时间的单目标优化，然后同时考虑最大完工时间、总负荷和机器最大负荷三个指标的最小化，结合问题的特性提出相应的双种群的混合分布估计算法.

你还可能感兴趣

我要评论

您的姓名	验证码：
留言内容