离散车间生产调度是提高运营效率、降低成本，乃至取得竞争优势的重要手段和有力工具。随着离散车间生产调度问题的深入研究，新问题、新模型和新方法不断涌现。本书共7章：第1章为绪论；第2章为Job-shop最优作业切换的成组调度模型与关键技术；第3章为基于加工资源相似度的聚类成组研究；第4章为基于EDD-SDST-ACO启发规则的最优作业切换单机成组调度研究；第5章为基于GATS混合算法的最优作业切换不相关并行机成组调度研究；第6章为基于QCSO混合算法的最优作业切换柔性Job-shop调度研究；第7章为总结与展望。本书可作为高等院校工业工程类专业本科生和工程硕士的辅助教材，也可供相关企业的工业工程师和生产管理人员阅读参考。
宋海草，陕西西安人，博士研究生，副教授。山东工商学院管理科学与工程学院工业工程系主任。山东省高等教育学会会员。学习经历：2003年获得西安科技大学安全工程专业学士学位；2010年获得石河子大学农业机械化工程专业硕士学位；2016年获得重庆大学管理科学与工程专业博士学位。工作经历：2004年3月至2018年6月就职于石河子大学机械电气工程学院工业工程系；2018年7月至今就职于山东工商学院管理科学与工程学院工业工程系。1.基于加工资源的零件分类成组研究[J], 上海交通大学学报，2016,50(9)1460-1466．(EI检索号：20164202924599)(第一作者)2.A study of job shop standard setup time quota[J], Prod Eng- Devel, 2016(10):185-196.(EI检索号：20155101700663) (第一作者)3. A STUDY OF THE STANDARD SETUP TIME QUOTA BASED ON EMPLOYEES’ KNOWLEDGE[C], The 45th International Conference on Computers & Industrial Engineering (CIE45)- Metz, France, on October 28-30, 2015.(大会宣读论文)(EI检索号：20161602261592) (第一作者)4. Single machine scheduling based on EDD-SDST-ACO heuristic algorithm[J], Journal of Intelligent Systems,2017 4（26）：657-668（EI期刊）(第一作者)5.基于模糊聚类K-means的播种机焊接零件编码分类[J],石河子大学学报(自然科学版),2016,34(2)：238-243.（通讯作者）6. 基于GATS混合算法的最优作业切换不相关并行机成组调度研究[J].重庆大学学报，2019.12月底出版。(第一作者)7.石河子大学应用基础研究青年项目"播种机焊接件生产的成组调度研究”(2014ZRKXYQ06)， 2015.01-2016.12，主持，已结题。8.山东工商学院博士基金项目"大数据环境下离散车间排序依赖作业切换的生产调度研究”，2019-2021，主持，在研。
1 绪论 / 1
1.1 研究背景 / 3
1.2 国内外相关研究现状 / 8
1.2.1 作业切换 / 8
1.2.2 成组技术 / 13
1.2.3 Job-shop调度 / 16
1.2.4 成组调度研究现状 / 22
1.3 研究目的意义 / 27
1.4 研究内容、方法、技术路线 / 29
1.4.1 研究内容 / 29
1.4.2 研究方法 / 31
1.4.3 技术路线 / 32
1.5 本书的创新之处 / 34
1.6 本章小结 / 36
2 Job-shop最优作业切换的成组调度模型与关键技术 / 37
2.1 引言 / 39
2.2 Job-shop最优作业切换问题 / 41
2.2.1 Job-shop调度 / 41
2.2.2 Job-shop作业切换 / 43
2.2.3 Job-shop作业切换影响因素分析 / 49
2.2.4 最优作业切换问题的提出 / 52
2.3 基于成组技术的最优作业切换的Job- shop调度模型 / 55
2.3.1 面向Job-shop最优作业切换成组调度 / 55
2.3.2 基于成组技术的最优作业切换的Job-shop调度模型 / 57
2.4 面向最优作业切换的Job-shop成组调度关键技术 / 59
2.4.1 零件聚类成组 / 59
2.4.2 基于成组技术的最优作业切换单机调度问题 / 60
2.4.3 基于成组技术的最优作业切换不相关并行机调度问题 / 62
2.4.4 基于成组技术的最优作业切换柔性Job- shop调度问题 / 63
2.5 本章小结 / 65
3 基于加工资源相似度的聚类成组研究 / 67
3.1 引言 / 69
3.2 加工资源特征 / 73
3.3 加工资源相似性度量 / 75
3.3.1 建立编码矩阵 / 75
3.3.2 加工资源的加权相似性度量 / 76
3.4 基于加工资源相似的零件聚类成组遗传算法 / 78
3.4.1 聚类效果评价 / 79
3.4.2 目标函数 / 80
3.4.3 分组编码 / 82
3.4.4 种群初始化 / 82
3.4.5 适应度函数 / 83
3.4.6 选择操作 / 83
3.4.7 交叉操作 / 83
3.4.8 变异操作 / 84
3.5 实例验证 / 86
3.5.1 数据生成 / 86
3.5.2 计算结果 / 88
3.6 本章小结 / 91
4 基于EDD-SDST-ACO启发规则的最优作业切换单机成组
调度研究 / 93
4.1 引言 / 95
4.2 问题描述 / 97
4.3 模型构建 / 99
4.4 EDD-SDST-ACO启发式规则 / 101
4.4.1 蚁群算法 / 102
4.4.2 工件组排序 / 104
4.4.3 工件组内排序 / 105
4.4.4 信息素更新策略 / 106
4.4.5 EDD-SDST-ACO算法流程 / 108
4.5 EDD-SDST-ACO启发式规则有效性验证 / 111
4.5.1 数据生成 / 111
4.5.2 参数设置 / 111
4.5.3 计算结果 / 118
4.6 实证研究 / 120
4.7 本章小结 / 122
5 基于GATS混合算法的最优作业切换不相关并行机成组
调度研究 / 125
5.1 引言 / 127
5.2 问题描述 / 132
5.3 模型构建 / 133
5.4 算法设计 / 136
5.4.1 种群初始化 / 137
5.4.2 适应度函数 / 138
5.4.3 获得初始解 / 139
5.4.4 邻域生成方法 / 142
5.4.5 交叉操作 / 144
5.4.6 变异操作 / 144
5.4.7 遗传禁忌搜索算法流程 / 145
5.5 算法有效性验证 / 149
5.5.1 数据生成 / 149
5.5.2 算法参数设置 / 150
5.5.3 计算结果 / 156
5.6 本章小结 / 159
6 基于QCSO混合算法的最优作业切换柔性Job-shop
调度研究 / 161
6.1 引言 / 163
6.2 问题描述 / 168
6.3 模型构建 / 170
6.4 算法设计 / 173
6.4.1 编码机制 / 176
6.4.2 解码机制 / 177
6.4.3 搜索模式 / 179
6.4.4 跟踪模式 / 180
6.4.5 量子旋转角更新 / 181
6.4.6 适应度函数 / 183
6.4.7 量子猫群优化算法流程 / 183
6.5 算法有效性验证 / 185
6.5.1 数据生成 / 185
6.5.2 计算结果 / 189
6.6 实证研究 / 198
6.7 本章小结 / 202
7 总结与展望 / 205
7.1 本书总结 / 207
7.2 研究展望 / 210
参考文献 / 213
书单推荐
