1 導論／1
1.1 論隨機動態(tài)擾動下流水車間調度的魯棒性和穩(wěn)定性／1
1.2 具有截斷學習效應的M?Machine 流水調度研究／4
1.3 具有公共流、學習效應和凸資源配置的無等待流水調度問題／5
1.4 單元生產(chǎn)系統(tǒng)中的調度優(yōu)化研究／7
1.5 供應鏈中批量交付給多個客戶的置換流水車間調度／10
1.6 災后綜合醫(yī)療援助隊調度和救援物資配送研究綜述／11
2 隨機動態(tài)擾動下流水車間調度的魯棒性和穩(wěn)定性／17
2.1 問題描述／20
2.2 雜交進化多目標優(yōu)化（EMO） 方法／25
2.3 計算研究／33
2.4 研究結果／36
2.5 結論和未來研究方向／47
3 具有截斷學習效應的M?Machine 流水調度研究／49
3.1 問題描述／49
3.2 啟發(fā)式算法和目標函數(shù)值的Worst?Case 分析／50
3.3 下界／54
3.4 兩種著名的啟發(fā)式算法／56
3.5 數(shù)值實驗／58
3.6 結論／71
4 具有公共流、學習效應和凸資源分配的無等待流水車間調度問題／72
4.1 問題描述／72
4.2 問題的性質／74
4.3 問題求解／84
4.4 數(shù)值實驗／85
4.5 結論／90
5 考慮顧客策略行為和機器故障的加工排隊系統(tǒng)定價／91
5.1 引言／91
5.2 模型建立／93
5.3 模型求解／95
5.4 數(shù)值算例／97
5.5 小結／102
6 工作量依賴性維護期的單機調度／103
6.1 維修工期依賴于工作量的單機排序問題／103
6.2 具有準備時間和惡化工件的單機成組排序問題的求解算法／111
7 巡回式單元生產(chǎn)系統(tǒng)中的多策略動態(tài)調度優(yōu)化算法研究／125
7.1 研究背景／126
7.2 研究意義／127
7.3 單元生產(chǎn)系統(tǒng)動態(tài)調度優(yōu)化模型／130
7.4 文化基因算法改進策略／135
7.5 文化基因算法／142
7.6 數(shù)值實驗／151
7.7 總結與展望／161
8 供應鏈中批量交付給多個客戶的置換流水車間調度／164
8.1 問題描述／165
8.2 數(shù)學模型／166
8.3 算法基礎／169
8.4 算法詳解／171
8.5 計算實驗／179
8.6 結論／188
9 動態(tài)車輛路徑問題（DVRP） 研究／189
9.1 基于SDVRPTW 模型的項目設備優(yōu)化調度方法／189
9.2 一類動態(tài)車輛路徑問題模型和兩階段算法／208
10 災后綜合醫(yī)療援助隊調度和救援物資分配／220
10.1 問題陳述與MIP 模型／220
10.2 結構分析／223
10.3 一種兩階段混合元啟發(fā)式方法／224
10.4 RH 算法／229
10.5 計算結果／231
10.6 一個實際案例／242
4 生產(chǎn)過程和物流調度優(yōu)化研究
10.7 討論和結論／245
11 總結／248
參考文獻／250
索引／276