本书力图以逆优化理论为基础，简单总结逆优化研究现状，以及工业应用实例。逆优化、逆调度概念篇（第1、2章），从逆优化、车间调度、逆调度的概念、发展及应用领域等方面介绍问题，同时分析逆优化与逆调度的联系，总结逆调度目前研究现状。应用篇（第3～5章），针对不同车间类型，主要围绕单机车间逆调度、流水车间逆调度和作业车间逆调度问题分别展开研究，建立相关逆调度问题模型，采用混合智能算法求解，通过实例验证其方法的有效性和优越性。拓展篇（第6章）研究不确定环境下的车间逆调度问题。最后，本书在第7章中对车间逆调度的实例进行分析，并且分析前沿动态与发展方向，做了进一步总结。

第1章 绪论\t001
1.1 逆优化问题理论与方法\t003
1.2 逆优化问题及其国内外研究现状\t004
1.2.1 逆优化问题的描述及分类\t004
1.2.2 逆优化问题的特性\t006
1.2.3 逆优化问题的几类求解方法\t006
1.2.4 逆优化问题的现状总结\t006
1.3 车间调度理论与方法\t007
1.3.1 车间调度问题的描述及其分类\t007
1.3.2 车间调度问题的研究方法\t009
1.4 动态调度问题的描述及方法\t015
1.4.1 动态调度问题定义\t015
1.4.2 动态调度问题的求解方法\t015
1.5 习题\t018
参考文献\t018
第2章 车间逆调度理论与方法\t021
2.1 逆调度问题\t021
2.1.1 逆调度问题描述\t021
2.1.2 逆调度问题的数学模型研究\t022
2.2 逆调度问题的应用背景\t025
2.3 逆调度问题的国内外研究现状\t025
2.3.1 逆调度问题的国内研究概况\t025
2.3.2 逆调度问题的国外研究概况\t026
2.4 逆调度现状总结与应用前景分析\t026
2.5 习题\t027
参考文献\t028
第3章 单机车间逆调度\t030
3.1 单机逆调度问题\t030
3.1.1 加权完成时间和最小的单机逆调度问题描述\t030
3.1.2 带交货期的单机逆调度问题描述\t032
3.2 基于GAIP混合算法求解单机逆调度问题\t034
3.2.1 遗传算法的基本理论\t034
3.2.2 单机逆调度问题的染色体编码与解码\t035
3.2.3 单机逆调度问题的初始化\t036
3.2.4 选择操作\t038
3.2.5 交叉操作\t038
3.2.6 变异操作\t040
3.2.7 改进的粒子群优化算法\t041
3.2.8 基于GAIP混合算法的求解步骤\t043
3.3 基于遗传变邻域交替算法求解DSMISP\t045
3.3.1 变邻域搜索算法基本理论\t045
3.3.2 DSMISP问题编码与解码\t047
3.3.3 种群初始化\t048
3.3.4 交叉、变异操作\t048
3.3.5 变邻域结构设计\t048
3.3.6 基于遗传变邻域交替算法的求解步骤\t050
3.4 实验结果与分析\t052
3.4.1 实验设计\t053
3.4.2 参数设置\t053
3.4.3 实验结果分析\t055
3.5 本章小结\t058
3.6 习题\t059
参考文献\t059
第4章 流水车间逆调度\t061
4.1 引言\t061
4.2 流水车间逆调度问题\t062
4.2.1 流水车间逆调度问题描述\t062
4.2.2 多目标流水车间逆调度问题描述\t064
4.3 自适应混合遗传算法求解FSISP问题\t067
4.3.1 流水车间逆调度问题编码与解码\t067
4.3.2 流水车间逆调度问题初始化\t068
4.3.3 变异与交叉操作\t070
4.3.4 自适应的变邻域搜索算法介绍\t071
4.4 基于LMONG算法求解多目标流水车间逆调度问题\t074
4.4.1 多目标优化问题的基本理论\t075
4.4.2 LMONG算法基本操作\t078
4.4.3 适应值评价方法\t081
4.4.4 多样性保持策略\t081
4.4.5 改进的NEH局部搜索方法\t083
4.5 实验结果与分析\t084
4.5.1 实验设计\t084
4.5.2 结果分析与讨论\t086
4.6 本章小结\t094
4.7 习题\t095
参考文献\t095
第5章 作业车间逆调度\t097
5.1 引言\t097
5.2 作业车间逆调度问题\t098
5.2.1 作业车间逆调度问题描述\t098
5.2.2 多目标作业车间逆调度问题描述\t101
5.3 改进粒子群算法求解作业车间调度\t105
5.3.1 粒子群初始化\t105
5.3.2 粒子群速度、位置更新机制\t106
5.3.3 粒子激活策略\t107
5.3.4 改进粒子群算法流程\t108
5.4 基于混合变异杂草优化算法求解多目标作业车间逆调度\t109
5.4.1 多目标优化方法\t109
5.4.2 混合变异杂草优化算法\t110
5.4.3 混合算法的基本操作\t111
5.4.4 欧氏贴近度适应值分配策略\t112
5.4.5 快速非支配排序策略\t113
5.4.6 算法流程\t114
5.5 实验结果与分析\t115
5.5.1 单目标逆调度结果分析\t115
5.5.2 多目标逆调度结果分析\t117
5.6 本章小结\t120
5.7 习题\t121
参考文献\t121
第6章 不确定环境下的车间逆调度\t123
6.1 引言\t123
6.2 不确定环境下车间逆调度问题\t124
6.2.1 不确定环境下单机车间逆调度问题描述（UESSP）\t128
6.2.2 不确定环境下流水车间逆调度问题描述（UEFSP）\t129
6.2.3 不确定环境下柔性作业车间逆调度问题描述（UEFJSP）\t132
6.3 不确定环境下逆调度问题求解策略\t135
6.3.1 第一阶段求解\t135
6.3.2 第二阶段求解\t136
6.3.3 DPN算法流程\t137
6.4 仿真结果与分析\t139
6.4.1 实例介绍\t139
6.4.2 利用DPN算法解决问题实例\t142
6.5 本章小结\t146
6.6 习题\t147
参考文献\t147
第7章 车间逆调度实例分析与前景展望\t148
7.1 应用背景简介\t148
7.1.1 车间逆调度现状\t148
7.1.2 应用前景分析\t150
7.2 车间逆调度实例\t152
7.2.1 应用背景简介\t152
7.2.2 单机逆调度实例\t154
7.2.3 流水车间逆调度实例\t156
7.2.4 不确定环境下的车间逆调度实例\t160
7.3 研究展望\t166
7.4 习题\t168
参考文献\t168