万本电子书0元读

万本电子书0元读

顶部广告

智能制造关键技术与工业应用丛书--云制造资源智能优化配置与动态调度电子书

云制造技术是影响我国未来制造业模式与业态的新技术,但相关理论尚不完善。本书是基于对云制造基础理论与应用的探究编写的,主要介绍了云制造环境下资源优化配置与动态调度理论与应用,内容充实、科学,与实际应用联系紧密。 当前,大多数制造企业已从大批量生产转向小批量、多品种,按订单生产,或者按订单设计的经营模式,要求企业具有满足客户个性化需求的制造资源和制造能力。本书针对此展,着重介绍云制造任务、云制造资源、资源动态调度及车间应用理论,并通过实例分析融会贯通相关理论,以期推动云制造相关技术的发展与促体系的完善。

售       价:¥

纸质售价:¥81.30购买纸书

0人正在读 | 0人评论 6.3

作       者:胡艳娟

出  版  社:化学工业出版社

出版时间:2023-10-01

字       数:7.5万

所属分类: 科技 > 工业技术 > 重工业

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(条)
  • 读书简介
  • 目录
  • 累计评论(条)
本书简要介绍云制造环境下制造资源智能优化配置与动态调度的相关技术。在现有云制造资源配置与调度研究的基础上,提出一种将云制造平台下复杂制造任务合理分解的方法;构建云制造资源匹配评价指标体系和智能优化匹配模型,并提出基于层次分析法的人工蜂群优化匹配方法;模拟在云制造服务平台中多种类型任务同时执行,并考虑各类突发事件,采用多层编码的遗传算法实现资源的动态调度;改粒子群算法,实现在多干扰条件下云制造资源动态调度;运用博弈论和改粒子群算法建立优化车间调度模型,实现车间资源动态调度。本书可供从事云制造、 智能制造相关工作的科研、工程技术人员阅读参考,也可作为从事网络协同制造、 制造服务与管理研究的师生参考书。<br/>【推荐语】<br/>云制造技术是影响我国未来制造业模式与业态的新技术,但相关理论尚不完善。本书是基于对云制造基础理论与应用的探究编写的,主要介绍了云制造环境下资源优化配置与动态调度理论与应用,内容充实、科学,与实际应用联系紧密。 当前,大多数制造企业已从大批量生产转向小批量、多品种,按订单生产,或者按订单设计的经营模式,要求企业具有满足客户个性化需求的制造资源和制造能力。本书针对此展,着重介绍云制造任务、云制造资源、资源动态调度及车间应用理论,并通过实例分析融会贯通相关理论,以期推动云制造相关技术的发展与促体系的完善。<br/>【作者】<br/>胡艳娟,长春工业大学,教授、博士生导师,吉林大学博士后,美国密歇根大学访问学者,北京航空航天大学访问学者。国际仿生工程学会(ISBE)会员,中国仿真学会会员,全国高等学校制造自动化研究会东北分会会员。近年来主要从事云制造、智能制造、网络协同制造、汽车零部件加工与检测技术、仿生智能算法等领域的研究,主持国家自然科学基金青年基金项目1项、春晖计划项目1项、中国博士后科学基金项目1项、吉林省科技厅项目1项、教育厅项目3项,主要参加项目20余项。一作者发表学术论文30余篇,其中SCI、EI检索收录20余篇。以一完成人获吉林省自然科学学术成果奖三等奖1项,主要参加省部级科研奖励3项。培养硕士研究生10余名。<br/>
目录展开

内容提要

前言

第1章 概述

1.1 云制造基础知识

1.2 云制造资源智能优化配置与动态调度内容

1.3 本章小结

第2章 云制造任务分解建模与仿真

2.1 云制造任务分解概述

2.2 设计任务分解建模

2.2.1 设计任务分解原则

2.2.2 设计任务分解数学模型

2.3 制造任务分解建模

2.3.1 制造任务分解原则

2.3.2 制造任务分解数学模型

2.4 运输任务分解建模

2.5 维护任务分解建模

2.6 基于深度优化算法的设计任务分解

2.6.1 深度优化算法的基本原理

2.6.2 设计任务矩阵的建立

2.6.3 求解矩阵任务集

2.7 基于快速模块化算法的制造任务分解

2.8 基于人工蜂群算法的运输任务分解

2.8.1 人工蜂群算法原理

2.8.2 编码

2.8.3 适应度函数与算法流程

2.9 基于层次分析法的权重计算

2.10 实例仿真分析

2.10.1 设计任务仿真

2.10.2 制造任务仿真

2.10.3 运输任务仿真

2.10.4 维护任务仿真

2.11 本章小结

第3章 云制造资源智能优化匹配建模与仿真

3.1 制造资源的智能优化匹配问题描述

3.2 云环境下制造资源分类

3.3 制造资源匹配评价指标体系

3.4 云环境下制造资源智能优化匹配模型

3.4.1 优化目标函数

3.4.2 约束条件

3.5 基于层次分析法的权重计算

3.5.1 层次分析法计算权重步骤

3.5.2 权重计算

3.6 基于人工蜂群算法的制造资源智能优化匹配

3.6.1 编码操作

3.6.2 适应度函数的构造

3.6.3 雇佣蜂阶段

3.6.4 观察蜂阶段

3.6.5 侦查蜂阶段

3.7 仿真实验分析

3.8 本章小结

第4章 基于云制造任务变化的资源动态调度建模与仿真

4.1 云制造任务

4.1.1 云制造任务信息描述

4.1.2 云制造任务动态性分析

4.2 基于云制造任务变化的资源动态调度问题描述

4.3 云制造资源调度指标建立

4.4 基于云制造任务变化的资源动态调度数学模型

4.4.1 数学符号及其描述

4.4.2 优化目标

4.4.3 约束条件

4.5 遗传算法

4.6 基于层次分析法的权重计算

4.6.1 层次分析法求解步骤

4.6.2 权重计算

4.7 基于多层编码遗传算法的资源动态调度

4.7.1 个体编码

4.7.2 适应度函数的构造

4.7.3 选择操作

4.7.4 交叉操作

4.7.5 变异操作

4.8 仿真验证

4.9 本章小结

第5章 基于资源变化的动态调度建模与仿真

5.1 云制造资源

5.2 基于资源变化的动态调度问题描述

5.3 基于资源变化的动态调度数学模型

5.3.1 数学符号及其描述

5.3.2 优化目标

5.3.3 约束条件

5.4 粒子群优化算法

5.4.1 粒子群算法基本原理

5.4.2 粒子群算法流程及步骤

5.5 基于改进粒子群算法的资源动态调度

5.5.1 编码

5.5.2 适应度函数构造

5.5.3 粒子位置与速度更新

5.5.4 粒子群算法的改进

5.6 仿真分析

5.7 本章小结

第6章 云制造环境下车间资源的动态调度建模与仿真

6.1 车间资源动态调度问题描述

6.2 任务优先级评定建模

6.2.1 博弈论及其要素

6.2.2 两项任务优先级评定

6.2.3 多项任务优先级评定

6.2.4 多目标评定矩阵构建

6.3 车间资源动态调度建模

6.3.1 数学符号及其描述

6.3.2 优化目标

6.3.3 约束条件

6.4 基于改进粒子群算法的车间资源动态调度

6.4.1 编码

6.4.2 适应度函数构造

6.4.3 粒子群算法操作流程

6.5 仿真分析

6.6 本章小结

附录

参考文献

累计评论(条) 个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部