免疫調(diào)度原理與應(yīng)用

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
前言
第1章 調(diào)度問題與免疫調(diào)度算法
1.1 調(diào)度問題和調(diào)度解
1.2 調(diào)度算法分類
1.2.1 數(shù)學(xué)規(guī)劃方法
1.2.2 調(diào)度規(guī)則
1.2.3 基于鄰域搜索的調(diào)度算法
1.2.4 進化算法
1.2.5 蟻群算法
1.2.6 微粒群算法
1.2.7 人工神經(jīng)網(wǎng)絡(luò)
1.3 人工免疫系統(tǒng)
1.3.1 免疫學(xué)中的基本概念
1.3.2 免疫系統(tǒng)的基本原理
1.3.3 人工免疫系統(tǒng)的應(yīng)用
1.4 免疫調(diào)度算法
參考文獻
第2章 調(diào)度模型、編碼及分類
2.1 調(diào)度問題的模型
2.1.1 析取圖模型
2.1.2 數(shù)學(xué)規(guī)劃模型
2.1.3 仿真模型
2.2 調(diào)度問題的分類
2.2.1 單機調(diào)度問題
2.2.2 并行機調(diào)度問題
2.2.3 車間調(diào)度問題
2.3 調(diào)度問題的描述
2.3.1 三元組表示法
2.3.2 調(diào)度問題的數(shù)據(jù)
2.4 調(diào)度解的類型
2.4.1 可行調(diào)度
2.4.2 半活動調(diào)度
2.4.3 活動調(diào)度
2.4.4 非延遲調(diào)度
2.4.5 參數(shù)化活動調(diào)度
2.5 調(diào)度解的編碼
2.5.1 基于工件的編碼
2.5.2 基于操作的編碼
2.5.3 基于優(yōu)先級列表的編碼
2.5.4 基于優(yōu)先規(guī)則的編碼
2.5.5 基于析取圖的編碼
2.5.6 基于完成時間的編碼
2.5.7 基于機器的編碼
2.5.8 基于隨機鍵的編碼
2.5.9 參數(shù)化活動調(diào)度編碼
參考文獻
第3章 免疫遺傳調(diào)度算法
3.1 免疫遺傳算法
3.1.1 抗體多樣性表達
3.1.2 算法的步驟
3.2 用于JSP的免疫遺傳算法
3.2.1 抗體和抗原的關(guān)系
3.2.2 抗體和抗原的交互進化
3.3 用于HFSP的免疫遺傳算法
3.3.1 帶有SDST的混合FSP
3.3.2 免疫調(diào)度算法
3.4 用于FMS的免疫遺傳算法
3.4.1 機器選擇和操作分配問題
3.4.2 免疫調(diào)度算法
參考文獻
第4章 克隆選擇調(diào)度算法
4.1 克隆選擇算法
4.1.1 用于模式識別問題
4.1.2 用于優(yōu)化計算問題
4.2 用于JSP的基于基因庫的免疫調(diào)度算法
4.2.1 抗體的表達
4.2.2 免疫調(diào)度算法
4.3 用于JSP的多模態(tài)免疫調(diào)度算法
4.3.1 標識輕鏈
4.3.2 抗體親和力
4.3.3 克隆擴增、超突變和選擇
4.3.4 基因片段重組
4.3.5 抗體多樣性
4.3.6 停止準則
4.4 用于JSP的田口免疫調(diào)度算法
4.4.1 群體初始化
4.4.2 克隆擴增和超突變
4.4.3 基于田口方法的重組
4.4.4 變異操作
4.4.5 田口免疫算法的步驟
4.5 用于柔性JSP的克隆選擇調(diào)度算法
4.5.1 柔性Job shop調(diào)度問題
4.5.2 免疫調(diào)度算法
4.6 用于非等待FSP的心理學(xué)克隆選擇調(diào)度算法
4.6.1 非等待流水線調(diào)度問題
4.6.2 馬斯洛的需求層次理論
4.6.3 心理學(xué)克隆算法
4.6.4 用于非等待流水線調(diào)度問題
4.7 用于機器負載問題的免疫調(diào)度算法
4.7.1 機器負載問題
4.7.2 改進的免疫算法
4.7.3 用于機器負載問題
4.8 用于非等待FSP的多目標免疫調(diào)度算法
4.8.1 問題的優(yōu)化目標
4.8.2 多目標免疫算法
4.9 用于HFSP的克隆選擇調(diào)度算法
4.9.1 免疫調(diào)度算法
4.9.2 克隆選擇
4.9.3 親和力成熟
4.9.4 受體編輯
4.9.5 多步實驗設(shè)計
4.10 用于置換FSP的克隆選擇調(diào)度算法
4.10.1 帶緩存的置換流水線調(diào)度問題
4.10.2 免疫調(diào)度算法
4.11 用于不確定JSP的變鄰域免疫調(diào)度算法
4.11.1 不確定調(diào)度問題建模
4.11.2 不確定調(diào)度問題的優(yōu)化
4.11.3 實驗結(jié)果
4.12 用于公交車輛調(diào)度的克隆選擇調(diào)度算法
4.12.1 公交車輛調(diào)度問題
4.12.2 西安市43路公交車輛的調(diào)度
4.12.3 南京市1路公交車輛的調(diào)度
4.13 小結(jié)
參考文獻
第5章 其他免疫調(diào)度算法
5.1 基于疫苗的免疫調(diào)度算法
5.1.1 免疫算法
5.1.2 免疫調(diào)度算法
5.2 基于樹枝細胞算法的調(diào)度異常檢測
5.2.1 實時嵌入系統(tǒng)的任務(wù)調(diào)度
5.2.2 基于DCA的調(diào)度異常檢測
5.3 基于免疫智能體的分布系統(tǒng)任務(wù)分配
5.3.1 H細胞和S細胞智能體
5.3.2 Hector環(huán)境下的實現(xiàn)
5.4 基于免疫網(wǎng)絡(luò)的機器人動態(tài)任務(wù)分配
5.5 小結(jié)
參考文獻
第6章 混合免疫調(diào)度算法
6.1 克隆選擇與模擬退火的混合
6.1.1 機器可用性約束
6.1.2 人工免疫算法
6.2 免疫接種與模擬退火的混合
6.2.1 疫苗接種
6.2.2 免疫模擬退火算法
6.3 克隆選擇與微粒群的混合
6.3.1 個體表達和初始化
6.3.2 微粒群調(diào)度算法
6.3.3 免疫調(diào)度算法
6.3.4 基于微粒群和克隆選擇的混合算法
6.4 細胞自動機、遺傳算法與人工免疫的混合
6.4.1 多處理器任務(wù)調(diào)度
6.4.2 細胞自動機
6.4.3 基于細胞自動機和遺傳算法的調(diào)度
6.4.4 基于人工免疫系統(tǒng)的重調(diào)度
6.5 禁忌搜索與免疫算法的混合
6.5.1 基于AIS和TS的混合算法
6.5.2  AIS的操作
6.5.3  TS操作
6.5.4 實驗結(jié)果
6.6 免疫算法與調(diào)度規(guī)則的混合
6.6.1 卷煙生產(chǎn)調(diào)度問題
6.6.2 調(diào)度問題的工作流仿真模型
6.6.3 調(diào)度算法
6.6.4 實驗結(jié)果
6.7 小結(jié)
參考文獻
第7章 免疫調(diào)度算法的應(yīng)用
7.1 制造領(lǐng)域中的應(yīng)用
7.1.1  Job shop調(diào)度
7.1.2  Flow shop調(diào)度
7.1.3 混合Flow shop調(diào)度
7.1.4 柔性制造車間調(diào)度
7.2 項目管理中的應(yīng)用
7.3 交通領(lǐng)域中的應(yīng)用
7.3.1 車輛路由問題
7.3.2 公交調(diào)度問題
7.4 計算機領(lǐng)域中的應(yīng)用
7.4.1 多處理器的任務(wù)調(diào)度
7.4.2 分布式計算的任務(wù)分配
7.4.3 任務(wù)調(diào)度的異常檢測
7.5 通信領(lǐng)域中的應(yīng)用
7.6 發(fā)電廠中的應(yīng)用
7.6.1 機組負荷分配
7.6.2 電廠經(jīng)濟調(diào)度
7.7 鋼廠中的應(yīng)用
7.8 水庫管理中的應(yīng)用
7.9 小結(jié)
參考文獻