《智能生产车间协同调度——网络化制造环境》共分8章，主要内容包括网络化制造概论、车间调度集成优化相关理论、双资源约束下工艺规划与车间调度集成优化问题建模、多目标启发式算法求解、滤波波束搜索算法设计、多目标置换智能车间调度、云制造模式下智能车间调度模型、面向云制造的跨企业智能车间协同制造调度。
　　《智能生产车间协同调度——网络化制造环境》可供从事网络化制造及生产运营管理技术研究和开发的工程技术人员阅读，也可供高等院校管理科学与工程、工业工程、物流工程和工程管理等专业的师生学习与参考。

　　网络化制造是在网络技术和经济全球化发生深刻变革的背景下产生和发展起来的一种先进制造模式，涉及智能制造、网络、信息、自动化、电子等多个领域的综合学科，其理论是在协同论、系统论、信息论、分形论等相关理论基础上发展起来的，其模式体现了分布和集中的统一、自治与协同的统一、混沌和有序的统一。
　　本书基于智能车间调度的优化思路，构建置换流水车间的调度方案。综合考虑机器等待时间、工件等待时间的不确定性，建立同时交货日期误差和中间库存的多目标混合线性整数模型。针对混合线性整数模型的不确定参数，引入启发式方法。在构造启发式方法的初始猜测过程中，考虑了9种不同的调度规则，并从中确定不确定参数的最优值。在算法求解方面，本书提出回溯搜索、NSGAⅢ、天牛须搜索和滤波波束搜索等算法；根据主次分段式多目标求解法建立多目标模型。将上述算法应用于主次分段式多目标求解模型中，针对云制造模式下柔性车间调度的优化问题，提出企业间自生产任务和外协云任务的智能调度模型及跨企业调度模型，研究其调度过程中的动态调整优化。本书主要从以下几个方面进行了阐述。
　　（1）网络化制造概论：介绍网络化制造的基本概念、网络化制造的基本内涵、网络化制造系统的结构和功能、网络化制造资源集成、网络化制造的关键技术、网络化制造的研究现状及发展趋势、面向产品全生命周期的网络化集成制造系统等。
　　（2）车间调度集成优化相关理论：研究基于多目标优化的考虑机器柔性和工人柔性的双资源约束下车间调度问题，建立其相关目标函数和约束条件，提出工艺规划中的工序顺序柔性和加工路径柔性及其表达式，介绍NSGAⅡ和NSGAⅢ两种现有的多目标启发式优化算法，研究基于该两种算法的非支配排序方法和拥挤距离与基于参考点的选择方法，给出评价多目标优化算法所得解集的常用指标。
　　（3）双资源约束下工艺规划与车间调度集成优化问题建模：采用一种基于AND-OR节点图方法描述工艺规划中的关键柔性，建立基于双资源下工艺规划与车间调度集成优化的数学模型，以最小化最大完成时间、总耗能和工人工时方差为目标的函数，处理工艺规划中的工序顺序柔性，加工路径柔性与车间调度中机器和工人柔性安排。
　　（4）多目标启发式算法求解：采用AND-OR图对各节点子路径的工艺进行规划，并对机器选择、工人指派和调度中的加工顺序进行编码，提出编码对应的初始化机制、交叉算子和变异算子。结合入侵肿瘤生长优化算法和NSGAⅢ，提出一种多目标入侵肿瘤生长优化算法；结合回溯搜索算法和NSGAⅢ算法，提出一种多目标回溯搜索算法，创建复杂度不同的数值实例，采用MOITGO和MOBSA对其求解，验证算法的有效性和优越性。
　　（5）滤波波束搜索算法设计：介绍滤波波束搜索算法基本思想，采用搜索树定义解决方案空间、确定波束宽度和滤波宽度、分支方案和本地及全局评估功能选择四个方面特征，并对调度方案进行过滤筛选，研究算法的基本思路，设计算法流程，通过实例分析验证滤波波束搜索算法的有效性。
　　（6）多目标置换智能车间调度：构建针对该问题的多目标整数线性规划模型，采用Matlab方法，将滤波波束搜索算法与其他智能优化算法在Reeves和Taillard实例上进行比较，通过仿真实例将滤波波束搜索算法与其他算法在最优解偏差百分比、平均错误率和改进百分比三个指标进行对比，验证滤波波束搜索算法在求解多目标置换智能车间调度问题的高效性和稳定性。
　　（7）云制造模式下智能车间调度模型：介绍基于变邻域搜索的动态烟花算法的基本内涵，提出最小化最大完工时间的最低碳排放为指标的多目标柔性车间调度模型，设计变邻域动态烟花算法，为增加算法性能引入三种邻域结构，进行对比仿真实验，验证该算法在云制造模式下智能车间调度方面的有效性。
　　（8）面向云制造的跨企业智能车间协同制造调度：针对云制造环境下跨企业协同生产调度的算法框架、涉及因素及复杂的计算环节进行分析，通过调度实例进行分析，验证基于变邻域搜索的动态烟花算法在掌握调度任务的总体态势，解决生产过程中出现资源瓶颈等突发问题的有效性，为制造过程中任务分流、生产节拍制定等细节问题提供数据支撑，便于供应链上多家企业随时掌握跨企业协同调度任务的各层别实时状况。
　　本书在编写过程中参考和借鉴了一些国内外的相关资料，在引用中对其做了一定的修改，在此谨向有关作者表示深深的谢意！本书内容涉及的研究得到了国家自然科学基金项目（71672117），中央引导地方科技发展资金计划项目（2021JH6/10500149）、辽宁省重点研发计划指导计划项目（2019JH8/10100056）的资助。感谢沈阳工业制造系统工程重点实验室全体师生对本书出版给予的大力支持，感谢沈阳工业大学机械工程学院研究生董一萱。沈阳大学机械工程学院研究生徐晓鹏、王瀚鹏、戴瑶、郭煜峰、张晨等同学为本书的出版提供部分的参考资料和学术文献。
　　由于网络化制造环境下智能车间调度技术涉及面较广，本书中还有许多内容尚需深入细致的研究，加之作者水平所限，书中不妥之处，敬请广大读者批评指正。

目 录1 网络化制造概论 1．1 网络化制造的基本概念 1．2 网络化制造的基本内涵 1．3 网络化制造系统的结构和功能 1．4 网络化制造资源集成 1．5 网络化制造的关键技术 1．6 网络化制造的研究现状及发展趋势 1．7 网络化集成制造系统2 车间调度集成优化相关理论 2．1 多目标优化问题 2．2 传统柔性作业车间调度问题 2．2．1 问题描述 2．2．2 符号定义 2．2．3 目标函数 2．2．4 约束条件 2．3 双资源约束下柔性作业车间调度问题 2．3．1 双资源约束下柔性作业车间调度研究现状 2．3．2 问题描述 2．3．3 符号定义 2．3．4 数学模型 2．4 工艺规划中的关键柔性 2．5 现有多目标优化算法 2．5．1 NSGAⅡ算法 2．5．2 NSGAⅢ算法 2．6 解集对比的常用指标 2．6．1 超体积 2．6．2 分布度和延展度3 双资源约束下工艺规划与车间调度集成优化问题建模 3．1 AND-OR节点图 3．2 双资源约束下协同优化建模 3．2．1 问题描述 3．2．2 符号定义 3．2．3 数学模型4 多目标启发式算法求解 4．1 双资源约束下工艺规划与车间调度集成优化问题编码 4．1．1 整数编码方案 4．1．2 初始化机制 4．1．3 交叉和变异算子 4．2 多目标入侵肿瘤生长优化算法 4．2．1 入侵肿瘤生长优化算法 4．2．2 算法改进 4．3 多目标回溯搜索算法 4．3．1 回溯搜索算法 4．3．2 精英化历史种群 4．3．3 离散化变异交叉过程 4．3．4 选择Ⅱ的改进 4．4 数值实例测试 4．4．1 建立数值实例 4．4．2 求解数值实例 4．5 案例描述 4．6 调度方案5 滤波波束搜索算法设计 5．1 滤波波束搜索算法的产生和发展 5．2 滤波波束搜索算法的算法流程 5．2．1 滤波波束搜索算法准备 5．2．2 滤波波束搜索算法基本步骤 5．2．3 基于NEH算法的种群初始化 5．2．4 复杂度分析 5．2．5 精英选择策略 5．2．6 本地搜索 5．2．7 竞争性共同进化方案 5．2．8 种群进化方案 5．2．9 改进算法描述 5．3 滤波波束搜索算法实例分析6 多目标置换智能车间调度 6．1 问题描述和模型构建 6．2 仿真实验 6．2．1 实验设置 6．2．2 参数设置 6．2．3 算法比较7 云制造模式下智能车间调度模型 7．1 云制造相关理论 7．1．1 云制造概念 7．1．2 云制造车间调度 7．2 协同制造 7．2．1 协同制造的概念及优势 7．2．2 协同制造的层次及发展 7．3 烟花算法 7．3．1 烟花算法的概念及特点 7．3．2 变邻域动态烟花算法 7．4 天牛须搜索算法 7．4．1 天牛须搜索算法及原理 7．4．2 天牛须搜索算法的设计 7．5 问题描述 7．5．1 云制造模式下智能车间调度模型描述 7．5．2 云制造调度模型建立 7．5．3 目标函数的确定 7．6 模型约束 7．7 模型求解 7．8 实验仿真与结果分析 7．8．1 实验环境 7．8．2 实验结果8 面向云制造的跨企业智能车间协同制造调度 8．1 跨企业智能车间协同制造调度模型描述 8．2 目标函数 8．2．1 资源闲置率最小 8．2．2 总制造成本大力度优惠 8．2．3 客户满意度优选 8．3 约束模型 8．4 模型求解 8．4．1 天牛须搜索算法 8．4．2 基于学习与竞技策略的混沌天牛须搜索算法（LCCBSA） 8．5 模拟实验 8．6 实例验证 8．7 结果分析参考文献