作業(yè)系統(tǒng)調(diào)度優(yōu)化理論與方法

內(nèi)容概要

　　本書是指由任務(wù)和相應(yīng)的工作單元組成的系統(tǒng)。作業(yè)系統(tǒng)調(diào)度優(yōu)化，是指在滿足各種約束的條件下，以某些指標(biāo)為目標(biāo)，將任務(wù)合理地分配到工作單元上，從而達(dá)到目標(biāo)的優(yōu)化。作業(yè)系統(tǒng)中包含著復(fù)雜的約束關(guān)系，如任務(wù)之間的串行約束、項(xiàng)目的工期約束、工作單元的功能約束、物流路徑約束等。作業(yè)系統(tǒng)調(diào)度優(yōu)化程度有不同的評(píng)價(jià)指標(biāo)，如：設(shè)備利用率最高、總工期最短、物流效率最高等。這些評(píng)價(jià)指標(biāo)之間往往是相互關(guān)聯(lián)的，因此，多數(shù)情況下，只選用其中之一作為優(yōu)化目標(biāo)。國內(nèi)外圍繞作業(yè)系統(tǒng)調(diào)度優(yōu)化問題，開展了很多研究，并發(fā)布了相關(guān)研究成果。然而，由于作業(yè)系統(tǒng)調(diào)度優(yōu)化問題是NP-hard問題，目前還沒有公認(rèn)的成熟的求解方法。

作者簡介

　　羅亞波，1973年2月出生，博士，教授，博士生導(dǎo)師，湖北省青年杰出人才基金獲得者。2001年獲得武漢理工大學(xué)機(jī)械工程學(xué)科博士學(xué)位，2004年從清華大學(xué)控制科學(xué)與工程學(xué)科博士后出站。先后作為交換博士生和訪問學(xué)者，前往新加坡國立大學(xué)和美國亞利桑那大學(xué)進(jìn)行學(xué)術(shù)合作和交流。
　　一直在系統(tǒng)優(yōu)化與仿真領(lǐng)域開展研究與教學(xué)工作，曾獲湖北省自然科學(xué)優(yōu)秀學(xué)術(shù)論文特等獎(jiǎng)、湖北省科技進(jìn)步一等獎(jiǎng)、武漢市科技進(jìn)步一等獎(jiǎng)、中國機(jī)械工業(yè)科學(xué)技術(shù)二等獎(jiǎng)等學(xué)術(shù)獎(jiǎng)勵(lì)。發(fā)表學(xué)術(shù)論文50余篇，其中30余篇被SCI、EI收錄。已出版專著1部、參編專著2部。獲得軟件著作權(quán)1項(xiàng)、發(fā)明專利3項(xiàng)。

書籍目錄

緒論
第1章 作業(yè)系統(tǒng)調(diào)度問題的優(yōu)化模型
　1.1 作業(yè)系統(tǒng)調(diào)度問題的模型分析
　1.2 優(yōu)化模型的目標(biāo)函數(shù)
　1.3 優(yōu)化模型的約束條件
　1.4 作業(yè)調(diào)度問題的數(shù)學(xué)模型
　1.5 問題的解的表示及分析
　1.6 小結(jié)
第2章 復(fù)合形法在作業(yè)系統(tǒng)調(diào)度中的應(yīng)用
　2.1 復(fù)合形法的基本思想和一般步驟
　2.2 復(fù)合形法在作業(yè)調(diào)度問題中的應(yīng)用方法
　2.3 算法的流程及其編程實(shí)現(xiàn)
　2.4 復(fù)合形法求解作業(yè)調(diào)度問題的性能分析
　2.5 小結(jié)
第3章 懲罰函數(shù)法在作業(yè)系統(tǒng)調(diào)度中的應(yīng)用研究
　3.1 懲罰函數(shù)法的基本思想及其分類
　3.2 懲罰函數(shù)法的一般方法與步驟
　3.3 懲罰函數(shù)法在JSP中的應(yīng)用
　3.4 小結(jié)
第4章 遺傳算法及其在作業(yè)系統(tǒng)中的應(yīng)用
　4.1 遺傳算法的形成和發(fā)展
　4.2 遺傳算法的原理與模型
　4.3 遺傳算法的特點(diǎn)與應(yīng)用
　4.4 實(shí)例分析：遺傳算法在車間設(shè)備布局中的應(yīng)用
　4.5 遺傳算法在作業(yè)調(diào)度中的研究現(xiàn)狀
　4.6 小結(jié)
第5章 Hopfield神經(jīng)網(wǎng)絡(luò)在作業(yè)調(diào)度中的應(yīng)用與改進(jìn)
　5.1 人工神經(jīng)網(wǎng)絡(luò)工作原理及應(yīng)用
　5.2 Hopfield神經(jīng)網(wǎng)絡(luò)算洼
　5.3 Hopfield神經(jīng)網(wǎng)絡(luò)算法用于作業(yè)系統(tǒng)調(diào)度
　5.4 基于Hopfield神經(jīng)網(wǎng)絡(luò)的單機(jī)作業(yè)調(diào)度實(shí)例分析
　5.5 小結(jié)
第6章 蟻群算法在作業(yè)調(diào)度中的應(yīng)用與改進(jìn)
　6.1 蟻群算法概述
　6.2 蟻群算法原理與流程
　6.3 標(biāo)準(zhǔn)蟻群算法與改進(jìn)蟻群算法
　6.4 蟻群算法應(yīng)用實(shí)例
　6.5 蟻群算法在作業(yè)調(diào)度中的應(yīng)用實(shí)例
　6.6 小結(jié)
第7章 數(shù)控加工作業(yè)系統(tǒng)相似關(guān)聯(lián)調(diào)度理論與方法
　7.1 面向相似關(guān)聯(lián)分析的數(shù)控任務(wù)特征建模
　7.2 基于相似原理的數(shù)控代碼關(guān)聯(lián)關(guān)系分析
　7.3 基于相似關(guān)聯(lián)分析的數(shù)控任務(wù)調(diào)度自動(dòng)化
　7.4 基于相似關(guān)聯(lián)分析的作業(yè)調(diào)度系統(tǒng)實(shí)例
　7.5 數(shù)控任務(wù)分析與調(diào)度用例
　7.6 小結(jié)
第8章 面向數(shù)控作業(yè)系統(tǒng)的網(wǎng)格優(yōu)化方法
　8.1 數(shù)控作業(yè)系統(tǒng)調(diào)度問題優(yōu)化模型
　8.2 網(wǎng)格節(jié)點(diǎn)特征描述
　8.3 基于約束滿足的數(shù)控資源網(wǎng)格調(diào)度算法
　8.4 基于約束滿足的數(shù)控資源網(wǎng)格調(diào)度算法
　8.5 網(wǎng)格調(diào)度軟件的研發(fā)及比較試驗(yàn)研究
　8.6 小結(jié)
參考文獻(xiàn)

章節(jié)摘錄

　?、購墓δ苄袨榉矫鎭碇v，具有很強(qiáng)的自學(xué)習(xí)、自組織以及適應(yīng)環(huán)境變化的能力。系統(tǒng)可以從所給的例子的集合中、從輸入與輸出的映射中學(xué)習(xí)，根據(jù)特有的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)規(guī)則不斷地完善自己。神經(jīng)系統(tǒng)能夠?qū)斎氲牟煌耐獠啃畔?，?jīng)過一定時(shí)間的訓(xùn)練或感知，通過自動(dòng)調(diào)解網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，輸出期望值。同時(shí)，神經(jīng)系統(tǒng)能夠根據(jù)輸入信息按照一定的規(guī)則調(diào)節(jié)神經(jīng)元之間的連接權(quán)值，最終形成神經(jīng)網(wǎng)絡(luò)，即具有自組織能力?！　、趶氖褂眯阅芊矫鎭碇v，具有聯(lián)想存儲(chǔ)功能。人的大腦具有很強(qiáng)的邏輯思維能力，根據(jù)現(xiàn)象能找到導(dǎo)致現(xiàn)象的根本原因，具有反饋的神經(jīng)網(wǎng)絡(luò)系統(tǒng)就可以實(shí)現(xiàn)這種功能。在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，任何局部的神經(jīng)單元的損壞均不會(huì)從根本上影響網(wǎng)絡(luò)的整體性能和結(jié)算能力，因此，其具有很好的容錯(cuò)性和很強(qiáng)的抗噪能力?！　、蹚臄?shù)學(xué)本質(zhì)上來講，多部分神經(jīng)網(wǎng)絡(luò)系統(tǒng)屬于非線性動(dòng)態(tài)系統(tǒng)，具有復(fù)雜的功能行為和動(dòng)態(tài)性質(zhì)，人們正注重這種動(dòng)態(tài)行為，致力于將這種復(fù)雜問題的動(dòng)態(tài)變化過程轉(zhuǎn)化為問題求解的結(jié)算過程及記憶恢復(fù)的過程?！　、軓哪繕?biāo)求解方面來講，人工神經(jīng)網(wǎng)絡(luò)注重于尋找可行解，而放棄目標(biāo)求解的高度精確性，比較符合許多領(lǐng)域問題求解的現(xiàn)實(shí)情況。另一方面，人工神經(jīng)網(wǎng)絡(luò)以大規(guī)模的并行分布式赴理為主，比以串行運(yùn)算方式工作的傳統(tǒng)數(shù)字計(jì)算機(jī)的速度要快很多?！　?.人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域　　人工神經(jīng)網(wǎng)絡(luò)作為一門活躍的邊緣交叉學(xué)科，目前，其應(yīng)用領(lǐng)域的范圍越來越廣，在各個(gè)工程領(lǐng)域中的應(yīng)用主要有以下幾種類型?！　。?）信息智能化處理和模式識(shí)別　　人工神經(jīng)網(wǎng)絡(luò)具有模仿人的思維的功能，通過邏輯推理對(duì)模式信息進(jìn)行特征提取、檢測(cè)、分析、分類以及各種變換等。在該領(lǐng)域的應(yīng)用主要有雷達(dá)及聲吶等目標(biāo)識(shí)別，圖形、符號(hào)及語音識(shí)別，機(jī)器人視覺、聽覺及各種最近相鄰模式識(shí)別分類等?！　。?）最優(yōu)化問題計(jì)算　　在人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)中，將計(jì)算問題的目標(biāo)函數(shù)與網(wǎng)絡(luò)某種能量函數(shù)對(duì)應(yīng)起來，于是最優(yōu)化問題的求解過程便反映為網(wǎng)絡(luò)動(dòng)態(tài)向能量函數(shù)極小值方向移動(dòng)的過程。在該領(lǐng)域的應(yīng)用主要包括組合優(yōu)化、約束滿足等問題求解，如最優(yōu)路徑選擇、系統(tǒng)規(guī)劃、任務(wù)分配、電力系統(tǒng)短期負(fù)荷預(yù)報(bào)、排序問題等?！　。?）信號(hào)處理　　由于具有很好的自學(xué)習(xí)與自適應(yīng)的能力，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)被廣泛地應(yīng)用于信號(hào)處理，比如目標(biāo)檢測(cè)、雜波去噪、運(yùn)動(dòng)目標(biāo)的速度估算、多目標(biāo)跟蹤等?！　　?/pre>








圖書封面






評(píng)論、評(píng)分、閱讀與下載



還沒讀過(89)
勉強(qiáng)可看(648)
一般般(110)
內(nèi)容豐富(4586)
強(qiáng)力推薦(376)


 


    作業(yè)系統(tǒng)調(diào)度優(yōu)化理論與方法 PDF格式下載