流水作業(yè)調(diào)度算法設(shè)計(jì)與性能分析

第1章緒論
1.1調(diào)度問題的符號與定義
1.2調(diào)度問題的求解方法
1.3調(diào)度算法及性能分析方法
1.3.1調(diào)度算法
1.3.2評價(jià)算法性能的主要方法
1.4相關(guān)調(diào)度問題研究現(xiàn)狀
1.4.1漸近分析研究現(xiàn)狀
1.4.2流水作業(yè)流水作業(yè)調(diào)度問題研究現(xiàn)狀
1.5本書主要內(nèi)容
第2章帶有釋放時(shí)間釋放時(shí)間的流水作業(yè)流水作業(yè)調(diào)度問題
2.1引言
2.2問題描述與數(shù)學(xué)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(biāo)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(jìn)化算法
2.6數(shù)值仿真實(shí)驗(yàn)
2.6.1分支定界分支定界算法
2.6.2離散差分進(jìn)化算法
2.6.3問題下界下界性能測試
2.6.4工業(yè)數(shù)據(jù)測試
2.7本章小結(jié)
第3章考慮處理器阻塞阻塞的流水作業(yè)流水作業(yè)調(diào)度問題
3.1引言
3.2問題描述與數(shù)學(xué)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(jìn)化算法
3.5數(shù)值仿真實(shí)驗(yàn)
3.5.1分支定界分支定界算法
3.5.2混合離散差分進(jìn)化算法
3.6本章小結(jié)
第4章考慮學(xué)習(xí)效應(yīng)的流水作業(yè)流水作業(yè)調(diào)度問題
4.1引言
4.2問題描述與數(shù)學(xué)模型
4.2.1數(shù)學(xué)模型
4.2.2學(xué)習(xí)效應(yīng)學(xué)習(xí)效應(yīng)函數(shù)
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(jìn)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(shù)值仿真實(shí)驗(yàn)
4.6.1分支定界分支定界算法
4.6.2智能優(yōu)化算法數(shù)值仿真實(shí)驗(yàn)
4.6.3啟發(fā)式啟發(fā)式算法數(shù)值仿真實(shí)驗(yàn)
4.7本章小結(jié)
第5章雙代理雙代理流水作業(yè)流水作業(yè)調(diào)度問題
5.1引言
5.2問題描述與數(shù)學(xué)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(shù)值仿真實(shí)驗(yàn)
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(shù)值仿真實(shí)驗(yàn)
5.7本章小結(jié)
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(kuò)展問題
6.1引言
6.2問題描述與數(shù)學(xué)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(diào)度問題
6.2.2擴(kuò)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(shù)值仿真實(shí)驗(yàn)
6.5.1混合粒子群優(yōu)化算法數(shù)值仿真實(shí)驗(yàn)
6.5.2分支定界分支定界算法數(shù)值仿真實(shí)驗(yàn)
6.5.3擴(kuò)展問題數(shù)值仿真實(shí)驗(yàn)
6.6本章小結(jié)
第7章考慮學(xué)習(xí)效應(yīng)的混合流水作業(yè)調(diào)度問題
7.1引言
7.2問題介紹
7.2.1問題描述與數(shù)學(xué)模型
7.2.2學(xué)習(xí)效應(yīng)學(xué)習(xí)效應(yīng)函數(shù)
7.3分支定界分支定界算法
7.3.1框架設(shè)計(jì)
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(jìn)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(shù)值仿真實(shí)驗(yàn)
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(jìn)化算法仿真實(shí)驗(yàn)
7.6.3啟發(fā)式啟發(fā)式算法仿真實(shí)驗(yàn)
7.7本章小結(jié)
參考文獻(xiàn)
附錄A
附錄B
附錄C
附錄D
附錄E
附錄F英漢排序與調(diào)度詞匯
索引