網(wǎng)絡(luò)化制造是在網(wǎng)絡(luò)技術(shù)和經(jīng)濟(jì)全球化發(fā)生深刻變革的背景下產(chǎn)生和發(fā)展起來的一種先進(jìn)制造模式，涉及智能制造、網(wǎng)絡(luò)、信息、自動化、電子等多個領(lǐng)域的綜合學(xué)科，其理論是在協(xié)同論、系統(tǒng)論、信息論、分形論等相關(guān)理論基礎(chǔ)上發(fā)展起來的，其模式體現(xiàn)了分布和集中的統(tǒng)一、自治與協(xié)同的統(tǒng)一、混沌和有序的統(tǒng)一。
　　本書基于智能車間調(diào)度的優(yōu)化思路，構(gòu)建置換流水車間的調(diào)度方案。綜合考慮機器等待時間、工件等待時間的不確定性，建立同時交貨日期誤差和中間庫存的多目標(biāo)混合線性整數(shù)模型。針對混合線性整數(shù)模型的不確定參數(shù)，引入啟發(fā)式方法。在構(gòu)造啟發(fā)式方法的初始猜測過程中，考慮了9種不同的調(diào)度規(guī)則，并從中確定不確定參數(shù)的最優(yōu)值。在算法求解方面，本書提出回溯搜索、NSGAⅢ、天牛須搜索和濾波波束搜索等算法；根據(jù)主次分段式多目標(biāo)求解法建立多目標(biāo)模型。將上述算法應(yīng)用于主次分段式多目標(biāo)求解模型中，針對云制造模式下柔性車間調(diào)度的優(yōu)化問題，提出企業(yè)間自生產(chǎn)任務(wù)和外協(xié)云任務(wù)的智能調(diào)度模型及跨企業(yè)調(diào)度模型，研究其調(diào)度過程中的動態(tài)調(diào)整優(yōu)化。本書主要從以下幾個方面進(jìn)行了闡述。
　　（1）網(wǎng)絡(luò)化制造概論：介紹網(wǎng)絡(luò)化制造的基本概念、網(wǎng)絡(luò)化制造的基本內(nèi)涵、網(wǎng)絡(luò)化制造系統(tǒng)的結(jié)構(gòu)和功能、網(wǎng)絡(luò)化制造資源集成、網(wǎng)絡(luò)化制造的關(guān)鍵技術(shù)、網(wǎng)絡(luò)化制造的研究現(xiàn)狀及發(fā)展趨勢、面向產(chǎn)品全生命周期的網(wǎng)絡(luò)化集成制造系統(tǒng)等。
　�。�2）車間調(diào)度集成優(yōu)化相關(guān)理論：研究基于多目標(biāo)優(yōu)化的考慮機器柔性和工人柔性的雙資源約束下車間調(diào)度問題，建立其相關(guān)目標(biāo)函數(shù)和約束條件，提出工藝規(guī)劃中的工序順序柔性和加工路徑柔性及其表達(dá)式，介紹NSGAⅡ和NSGAⅢ兩種現(xiàn)有的多目標(biāo)啟發(fā)式優(yōu)化算法，研究基于該兩種算法的非支配排序方法和擁擠距離與基于參考點的選擇方法，給出評價多目標(biāo)優(yōu)化算法所得解集的常用指標(biāo)。
　　（3）雙資源約束下工藝規(guī)劃與車間調(diào)度集成優(yōu)化問題建模：采用一種基于AND-OR節(jié)點圖方法描述工藝規(guī)劃中的關(guān)鍵柔性，建立基于雙資源下工藝規(guī)劃與車間調(diào)度集成優(yōu)化的數(shù)學(xué)模型，以最小化最大完成時間、總耗能和工人工時方差為目標(biāo)的函數(shù)，處理工藝規(guī)劃中的工序順序柔性，加工路徑柔性與車間調(diào)度中機器和工人柔性安排。
　�。�4）多目標(biāo)啟發(fā)式算法求解：采用AND-OR圖對各節(jié)點子路徑的工藝進(jìn)行規(guī)劃，并對機器選擇、工人指派和調(diào)度中的加工順序進(jìn)行編碼，提出編碼對應(yīng)的初始化機制、交叉算子和變異算子。結(jié)合入侵腫瘤生長優(yōu)化算法和NSGAⅢ，提出一種多目標(biāo)入侵腫瘤生長優(yōu)化算法；結(jié)合回溯搜索算法和NSGAⅢ算法，提出一種多目標(biāo)回溯搜索算法，創(chuàng)建復(fù)雜度不同的數(shù)值實例，采用MOITGO和MOBSA對其求解，驗證算法的有效性和優(yōu)越性。
　�。�5）濾波波束搜索算法設(shè)計：介紹濾波波束搜索算法基本思想，采用搜索樹定義解決方案空間、確定波束寬度和濾波寬度、分支方案和本地及全局評估功能選擇四個方面特征，并對調(diào)度方案進(jìn)行過濾篩選，研究算法的基本思路，設(shè)計算法流程，通過實例分析驗證濾波波束搜索算法的有效性。
　�。�6）多目標(biāo)置換智能車間調(diào)度：構(gòu)建針對該問題的多目標(biāo)整數(shù)線性規(guī)劃模型，采用Matlab方法，將濾波波束搜索算法與其他智能優(yōu)化算法在Reeves和Taillard實例上進(jìn)行比較，通過仿真實例將濾波波束搜索算法與其他算法在最優(yōu)解偏差百分比、平均錯誤率和改進(jìn)百分比三個指標(biāo)進(jìn)行對比，驗證濾波波束搜索算法在求解多目標(biāo)置換智能車間調(diào)度問題的高效性和穩(wěn)定性。
　　（7）云制造模式下智能車間調(diào)度模型：介紹基于變鄰域搜索的動態(tài)煙花算法的基本內(nèi)涵，提出最小化最大完工時間的最低碳排放為指標(biāo)的多目標(biāo)柔性車間調(diào)度模型，設(shè)計變鄰域動態(tài)煙花算法，為增加算法性能引入三種鄰域結(jié)構(gòu)，進(jìn)行對比仿真實驗，驗證該算法在云制造模式下智能車間調(diào)度方面的有效性。
　　（8）面向云制造的跨企業(yè)智能車間協(xié)同制造調(diào)度：針對云制造環(huán)境下跨企業(yè)協(xié)同生產(chǎn)調(diào)度的算法框架、涉及因素及復(fù)雜的計算環(huán)節(jié)進(jìn)行分析，通過調(diào)度實例進(jìn)行分析，驗證基于變鄰域搜索的動態(tài)煙花算法在掌握調(diào)度任務(wù)的總體態(tài)勢，解決生產(chǎn)過程中出現(xiàn)資源瓶頸等突發(fā)問題的有效性，為制造過程中任務(wù)分流、生產(chǎn)節(jié)拍制定等細(xì)節(jié)問題提供數(shù)據(jù)支撐，便于供應(yīng)鏈上多家企業(yè)隨時掌握跨企業(yè)協(xié)同調(diào)度任務(wù)的各層別實時狀況。
　　本書在編寫過程中參考和借鑒了一些國內(nèi)外的相關(guān)資料，在引用中對其做了一定的修改，在此謹(jǐn)向有關(guān)作者表示深深的謝意！本書內(nèi)容涉及的研究得到了國家自然科學(xué)基金項目（71672117），中央引導(dǎo)地方科技發(fā)展資金計劃項目（2021JH6/10500149）、遼寧省重點研發(fā)計劃指導(dǎo)計劃項目（2019JH8/10100056）的資助。感謝沈陽工業(yè)制造系統(tǒng)工程重點實驗室全體師生對本書出版給予的大力支持，感謝沈陽工業(yè)大學(xué)機械工程學(xué)院研究生董一萱。沈陽大學(xué)機械工程學(xué)院研究生徐曉鵬、王瀚鵬、戴瑤、郭煜峰、張晨等同學(xué)為本書的出版提供部分的參考資料和學(xué)術(shù)文獻(xiàn)。
　　由于網(wǎng)絡(luò)化制造環(huán)境下智能車間調(diào)度技術(shù)涉及面較廣，本書中還有許多內(nèi)容尚需深入細(xì)致的研究，加之作者水平所限，書中不妥之處，敬請廣大讀者批評指正。