流水作業(yè)調度算法設計與性能分析

第1章緒論
1.1調度問題的符號與定義
1.2調度問題的求解方法
1.3調度算法及性能分析方法
1.3.1調度算法
1.3.2評價算法性能的主要方法
1.4相關調度問題研究現狀
1.4.1漸近分析研究現狀
1.4.2流水作業(yè)流水作業(yè)調度問題研究現狀
1.5本書主要內容
第2章帶有釋放時間釋放時間的流水作業(yè)流水作業(yè)調度問題
2.1引言
2.2問題描述與數學模型
2.3分支定界分支定界算法
2.3.1剪支規(guī)則
2.3.2分支定界分支定界算法下界下界
2.3.3算法流程
2.4非線性目標問題上界上界與下界下界的性能分析
2.4.1問題下界下界的收斂性分析
2.4.2初始上界最壞性能分析最壞性能分析
2.5混合離散差分進化算法
2.6數值仿真實驗
2.6.1分支定界分支定界算法
2.6.2離散差分進化算法
2.6.3問題下界下界性能測試
2.6.4工業(yè)數據測試
2.7本章小結
第3章考慮處理器阻塞阻塞的流水作業(yè)流水作業(yè)調度問題
3.1引言
3.2問題描述與數學模型 
3.3分支定界分支定界算法 
3.3.1剪支規(guī)則
3.3.2分支定界分支定界算法下界下界
3.3.3算法流程
3.4混合離散差分進化算法
3.5數值仿真實驗
3.5.1分支定界分支定界算法
3.5.2混合離散差分進化算法
3.6本章小結
第4章考慮學習效應的流水作業(yè)流水作業(yè)調度問題
4.1引言
4.2問題描述與數學模型
4.2.1數學模型
4.2.2學習效應學習效應函數
4.3啟發(fā)式啟發(fā)式算法的漸近性能分析漸近性能分析
4.3.1SPTAF啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.3.2SPTAA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.3.3EDDA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
4.4分支定界分支定界算法
4.4.1分支定界分支定界算法下界下界
4.4.2剪支規(guī)則
4.4.3算法流程
4.5智能優(yōu)化算法
4.5.1離散差分進化算法
4.5.2粒子群優(yōu)化粒子群優(yōu)化算法
4.5.3人工蜂群算法
4.6數值仿真實驗
4.6.1分支定界分支定界算法
4.6.2智能優(yōu)化算法數值仿真實驗
4.6.3啟發(fā)式啟發(fā)式算法數值仿真實驗
4.7本章小結
第5章雙代理雙代理流水作業(yè)流水作業(yè)調度問題
5.1引言
5.2問題描述與數學模型
5.3啟發(fā)式啟發(fā)式算法
5.3.1DA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
5.3.2基于DA下界下界的性能分析
5.3.3ADA啟發(fā)式啟發(fā)式及其漸近最優(yōu)性漸近最優(yōu)性
5.3.4基于ADA下界下界的性能分析
5.4分支定界分支定界算法
5.4.1剪支規(guī)則
5.4.2分支定界分支定界算法下界下界
5.4.3算法流程
5.5離散人工蜂群算法
5.6數值仿真實驗
5.6.1分支定界分支定界算法
5.6.2離散人工蜂群算法
5.6.3啟發(fā)式啟發(fā)式的數值仿真實驗
5.7本章小結
第6章雙代理雙代理阻塞阻塞流水作業(yè)流水作業(yè)及其擴展問題
6.1引言
6.2問題描述與數學模型
6.2.1雙代理雙代理阻塞阻塞流水作業(yè)流水作業(yè)調度問題
6.2.2擴展問題
6.3分支定界分支定界算法
6.3.1剪支規(guī)則
6.3.2分支定界分支定界算法下界下界
6.3.3初始上界
6.3.4算法流程
6.4混合粒子群優(yōu)化算法
6.5數值仿真實驗
6.5.1混合粒子群優(yōu)化算法數值仿真實驗
6.5.2分支定界分支定界算法數值仿真實驗
6.5.3擴展問題數值仿真實驗
6.6本章小結
第7章考慮學習效應的混合流水作業(yè)調度問題
7.1引言
7.2問題介紹
7.2.1問題描述與數學模型
7.2.2學習效應學習效應函數
7.3分支定界分支定界算法
7.3.1框架設計
7.3.2剪支規(guī)則
7.3.3算法下界下界
7.3.4算法流程
7.4雙種群離散差分進化算法
7.5GSPTA啟發(fā)式啟發(fā)式算法及問題下界下界
7.5.1GSPTA啟發(fā)式啟發(fā)式算法
7.5.2問題下界下界
7.6數值仿真實驗
7.6.1分支定界分支定界算法測試
7.6.2雙種群離散差分進化算法仿真實驗
7.6.3啟發(fā)式啟發(fā)式算法仿真實驗
7.7本章小結
參考文獻
附錄A
附錄B
附錄C
附錄D
附錄E
附錄F英漢排序與調度詞匯
索引