魯棒機器調(diào)度

 
第1章機器調(diào)度概述
1.1機器調(diào)度的基本概念
1.1.1確定性機器調(diào)度
1.1.2確定性機器調(diào)度的性能指標
1.1.3不確定性機器調(diào)度
1.2機器調(diào)度中的不確定性
1.2.1不確定性的分類
1.2.2不確定性的建模方法
1.3不確定性機器調(diào)度的分類
1.3.1隨機機器調(diào)度
1.3.2模糊機器調(diào)度
1.3.3狹義魯棒機器調(diào)度
1.4不確定性機器調(diào)度的主要模式
1.4.1主動模式調(diào)度
1.4.2反應模式調(diào)度
1.4.3混合模式調(diào)度
1.4.4廣義魯棒機器調(diào)度
1.5本章小結
第1篇主動模式魯棒機器調(diào)度
第2章魯棒離散優(yōu)化理論基礎
2.1隨機優(yōu)化的局限
2.2魯棒優(yōu)化的合理性和優(yōu)勢
2.3場景方法
2.4魯棒優(yōu)化的基本概念
2.5魯棒優(yōu)化的主要模型
2.5.1風險厭惡型魯棒優(yōu)化模型
2.5.2風險中性型魯棒優(yōu)化模型
2.6隨機優(yōu)化模型
2.6.1均值模型和期望模型
2.6.2期望方差模型
2.7計算復雜性
2.8本章小結
第3章離散場景魯棒優(yōu)化新模型
3.1單階段壞場景集模型
3.1.1閾值壞場景集懲罰模型
3.1.2閾值壞場景集均值模型
3.1.3數(shù)目壞場景集均值模型
3.2兩階段閾值壞場景集模型
3.2.1合理閾值
3.2.2兩階段PTM框架
3.2.3代理兩階段PTM框架
3.3雙目標魯棒優(yōu)化模型
3.4本章小結
第4章魯棒機器調(diào)度算法基礎
4.1精確算法
4.1.1分支定界算法
4.1.2數(shù)學規(guī)劃法
4.1.3迭代松弛法
4.2啟發(fā)式算法
4.2.1構造性啟發(fā)式算法
4.2.2鄰域串行搜索算法
4.2.3群智能并行搜索算法
4.3多目標優(yōu)化問題
4.3.1多目標優(yōu)化方法分類
4.3.2多目標進化算法
4.4混合算法
4.5本章小結
第5章魯棒單機調(diào)度
5.1確定性單機調(diào)度問題描述
5.2最壞場景魯棒單機調(diào)度
5.2.1最壞場景魯棒單機調(diào)度模型
5.2.2離散場景下的迭代松弛法
5.2.3區(qū)間場景下的分支定界算法
5.3最大后悔魯棒單機調(diào)度
5.3.1最大后悔模型
5.3.2分支定界算法
5.3.3啟發(fā)式算法
5.4數(shù)目壞場景集單機調(diào)度
5.4.12-NBS單機調(diào)度模型
5.4.2y-NBS單機調(diào)度模型
5.4.3NBS魯棒單機調(diào)度的分支定界算法
5.4.4NBS魯棒單機調(diào)度的束搜索算法
5.5仿真計算與分析
5.5.1最壞場景模型與2-NBS模型所得魯棒解的對比
5.5.2分支定界算法與束搜索算法在小規(guī)模算例中的對比
5.5.3束搜索算法在大規(guī)模算例中的求解結果
5.6本章小結
第6章魯棒并行機調(diào)度
6.1并行機調(diào)度的分類
6.2最大后悔一致并行機調(diào)度
6.2.1確定性一致并行機調(diào)度問題
6.2.2最大后悔魯棒一致并行機調(diào)度問題
6.2.3問題性質
6.2.4迭代松弛法
6.3最大后悔異速并行機調(diào)度
6.3.1確定性異速并行機調(diào)度問題
6.3.2最大后悔魯棒異速并行機調(diào)度問題
6.3.3數(shù)學規(guī)劃法
6.4最壞場景無關并行機調(diào)度
6.4.1確定性無關并行機調(diào)度問題
6.4.2最壞場景魯棒無關并行機調(diào)度模型
6.4.3最壞場景鄰域果蠅算法
6.4.4仿真計算與分析
6.5雙目標魯棒無關并行機調(diào)度
6.5.1帶有裝夾時間的確定性無關并行機調(diào)度問題描述
6.5.2雙目標魯棒無關并行機調(diào)度模型描述
6.5.3學習場景鄰域雙目標果蠅算法
6.5.4仿真計算與分析
6.6本章小結
第7章魯棒流水車間調(diào)度
7.1確定性置換流水車間調(diào)度問題
7.2最大后悔置換流水車間調(diào)度
7.2.1最大后悔置換流水車間調(diào)度模型
7.2.2離散場景情形調(diào)度算法
7.2.3區(qū)間場景情形調(diào)度算法
7.3區(qū)間場景最壞場景流水車間調(diào)度
7.3.1問題描述
7.3.2兩層和聲搜索算法
7.3.3仿真計算與分析
7.4離散場景最壞場景流水車間調(diào)度
7.4.1問題描述
7.4.2混合和聲搜索算法框架
7.4.3基于場景鄰域的局部搜索
7.4.4仿真計算與分析
7.5本章小結
第8章魯棒作業(yè)車間調(diào)度
8.1確定性作業(yè)車間調(diào)度問題
8.2閾值壞場景集作業(yè)車間調(diào)度
8.2.1問題描述
8.2.2閾值壞場景集優(yōu)化模型
8.2.3禁忌搜索算法
8.2.4仿真計算與分析
8.3兩階段閾值壞場景集作業(yè)車間調(diào)度
8.3.1兩階段近似模型代理框架
8.3.2近似模型代理求解框架的性質
8.3.3仿真計算與分析
8.4雙目標魯棒作業(yè)車間調(diào)度
8.4.1模型描述
8.4.2混合多目標進化算法
8.4.3仿真計算與分析
8.5本章小結
第2篇反應模式魯棒機器調(diào)度
第9章反應模式機器調(diào)度的基本概念
9.1反應模式機器調(diào)度的分類
9.2完全反應式調(diào)度
9.3重調(diào)度
9.3.1右移重調(diào)度
9.3.2完全重調(diào)度
9.3.3部分重調(diào)度
9.3.4重調(diào)度的穩(wěn)定性
9.4滾動時域調(diào)度
9.4.1滾動時域調(diào)度的概念
9.4.2滾動時域調(diào)度的性能分析
9.5本章小結
第10章工件動態(tài)到達的單機滾動時域調(diào)度
10.1工件動態(tài)到達的單機調(diào)度
10.2傳統(tǒng)單機滾動時域調(diào)度
10.3終端懲罰單機滾動時域調(diào)度
10.4調(diào)度子問題的分支定界算法
10.4.1剪枝規(guī)則
10.4.2估算下界和上界
10.5仿真計算與分析
10.6本章小結
第11章全局信息不全的單機兩級滾動時域調(diào)度
11.1初始虛擬調(diào)度
11.2預測窗口內(nèi)的預調(diào)度
11.3基于預調(diào)度的滾動機制
11.4滾動窗口內(nèi)的局部調(diào)度
11.5兩級滾動調(diào)度的性能分析
11.5.1預調(diào)度的全局性能分析
11.5.2滾動調(diào)度的全局性能分析
11.6仿真計算與分析
11.7本章小結
第12章隨機機器故障下的單機重調(diào)度
12.1問題描述
12.2兼具效率和穩(wěn)定性的重調(diào)度模型
12.3一次機器故障下的部分重調(diào)度
12.3.1部分重調(diào)度子問題的目標函數(shù)
12.3.2部分重調(diào)度算法
12.4多次機器故障下的滾動部分重調(diào)度
12.4.1每次機器故障下的雙目標部分重調(diào)度
12.4.2多次機器故障下的滾動部分重調(diào)度
12.5仿真計算與分析
12.6本章小結
第3篇混合模式魯棒機器調(diào)度
第13章混合模式魯棒機器調(diào)度初步
13.1混合模式魯棒機器調(diào)度框架
13.2隨機機器故障下的單機預測調(diào)度
13.2.1生成基礎調(diào)度
13.2.2生成預測調(diào)度
13.3競爭工件到達時的混合模式流水車間調(diào)度
13.3.1問題描述
13.3.2主動預測階段
13.3.3被動反應階段
13.4仿真實驗與結果分析
13.4.1混合模式調(diào)度與主動模式調(diào)度的比較
13.4.2混合模式調(diào)度與反應模式調(diào)度的比較
13.5本章小結
參考文獻
附錄英漢排序與調(diào)度詞匯
索引