本书的总体结构如图1-1所示。

本书的具体章节内容安排如下。

图1-1　本书总体结构

第1章介绍了车间调度问题和多目标优化问题。从宏观角度介绍了加工时间可控车间调度问题的概念和常见的车间调度问题。

第2章对多目标进化算法进行了介绍，简述了多目标进化算法的概念和评价指标，并对常见多目标进化算法进行了介绍和总结。(www.daowen.com)

第3章研究了加工时间可控的多目标单机调度问题。本章首先建立了以最小化总延迟时间和总压缩成本为目标的加工时间可控的单机调度数学模型，然后提出了一种基于遗传算子和灰狼优化的多目标进化算法MODGWO来求解该问题。同时，为了适应问题的特征，设计了一种双层编码方式。数值实验表明提出的编码机制能有效地降低算法的信息冗余度。本章还提出了一种成本降低策略以改善解的质量，这种策略能够在不改变工件加工排序的情况下，减少总压缩成本且保持总延迟时间不变。最后，为了测试MODGWO求解该类问题的有效性，将MODGWO与其他经典多目标进化算法进行了对比，实验结果表明MODGWO在求解加工时间可控的单机调度问题上是十分可行有效的。

第4章研究了加工时间可控的多目标不相关并行机调度问题。首先对该问题进行了详细阐述，然后分析了该问题的基本特征。在此基础上，建立了以最小化最大完工时间和额外资源总消耗为目标的数学模型，并提出了一种基于遗传算法与病毒优化算法的优化方法MODVOA来求解该类问题。数值实验结果表明，相比其他多目标进化算法（如NSGA-Ⅱ、SPEA2及MODGWO），提出的MODVOA算法可有效地解决此类调度问题。

第5章研究了加工时间可控的多目标流水车间调度问题。该问题的特点在于多台机器可在同一时刻加工一道工序，它打破了传统调度问题的约束限制。也就是说，该问题中工件的加工时间与所分配的机器数量有关，因此它是一个新的调度问题。首先，本章构建了以焊接调度问题为背景的混合整数规划多目标数学模型，该模型考虑了一些实际约束条件，如可控加工时间、序列相关的准备时间以及工件相关的传输时间；其次，提出了一种混合离散灰狼优化算法MODGWO来求解该调度问题，使最大完工时间与机器负载目标同时最小。该算法采用了双层编码机制进行编码，第一层为工件排序，第二层为机器分配矩阵。为了降低机器负载目标，设计了一种机器负载策略来调整机器数量。为了测试MODGWO算法的有效性，将其与其他多目标进化算法进行了比较，实验结果表明提出的MODGWO算法在求解加工时间可控的流水车间调度问题上要优于其对比的算法。

第6章研究了加工时间可控的多目标作业车间调度问题。本章介绍了两种控制加工时间的方法，并考虑了静态车间和动态车间两种环境下的调度情况。选择生产组合、机器故障和中途到达三种动态事件，将各种动态因素和两种控制加工时间的方法集成到多Agent系统中进行研究，并设计了仿真实验，对比两种控制加工时间方法的优劣，在考虑多种评价指标的情况下对实验结果进行分析。

第7章研究了加工时间可控的多目标柔性作业车间调度问题。首先，本章建立了以最小化最大完工时间和额外资源总消耗为目标的加工时间可控的柔性作业车间调度模型。其次，为了求解该问题，提出了一种新颖的多目标离散病毒优化算法MODVOA。在该算法中每个病毒包含了三层编码方式、改进的初始化种群策略及混合更新算子。为了进一步提高局部开采能力，在搜索的后期利用问题属性的探索机制来更新种群。最后，为了验证MODVOA的有效性，将其与NSGA-Ⅱ、SPEA2及MODGWO在数值实例上进行求解并比较，实验结果表明，相比其他算法，提出的MODVOA在这些数值实例中能够取得较好的结果。

第8章对焊接生产车间与发动机冷却风扇生产车间实际调度问题分别展开了深入的研究。根据焊接生产车间调度问题的特点，建立了以最小化最大完工时间与机器负载惩罚量为目标的数学模型。采用基于GA与GWO的混合MODGWO对该问题进行优化求解。实验结果表明，所提算法能获得更好的Pareto前沿解集。针对发动机冷却风扇生产车间调度问题，根据发动机冷却风扇生产车间的特点，可将该调度问题看作一个加工时间可控的柔性作业车间调度问题，并建立了相关的数学模型，优化目标是同时最小化最大完工时间与额外资源总消耗。采用所提出的MODVOA对该问题进行求解，并将MODVOA与其他多目标进化算法对比，实验结果表明，所提算法要优于其他多目标优化算法。