生產(chǎn)調(diào)度是現(xiàn)代制造業(yè)管理的關(guān)鍵和核心技術(shù)。優(yōu)化的生產(chǎn)調(diào)度方案能夠使企業(yè)獲得最大的經(jīng)濟效益和社會效益，因此，對生產(chǎn)調(diào)度的研究有著重要意義。在以往的研究中，大部分學者研究確定性調(diào)度問題，然而，在實際的生產(chǎn)過程中，往往存在大量事先無法預料的不確定因素，例如，生產(chǎn)設(shè)備發(fā)生故障、任務的處理時間發(fā)生變化、產(chǎn)品的需求量不確定以及其他不確定事件。因此，企業(yè)必須考慮不確定情況下的生產(chǎn)調(diào)度，在保證生產(chǎn)過程合理、正常運行的前提下獲得最大的效益。本書針對不確定的生產(chǎn)調(diào)度問題，采用隨機規(guī)劃理論，建立幾類生產(chǎn)調(diào)度問題的數(shù)學模型；為了解決隨機調(diào)度模型優(yōu)化的復雜問題，提出了幾種改進的量子進化算法和協(xié)同進化算法，并將其應用于隨機調(diào)度，給出幾類隨機調(diào)度的算法。主要貢獻如下：
　�。�1）針對帶提前／拖期指標的隨機并行機調(diào)度問題，建立了成本期望值最小的隨機并行機調(diào)度模型，其中，加工時間為隨機變量且服從均勻分布，并采用量子算法進行優(yōu)化；為了克服量子遺傳算法容易早熟收斂的問題，提出一種新穎的多宇宙量子遺傳算法。該算法借鑒了多宇宙學說的基本思想，在搜索后期實施量子多宇宙策略進行精搜索。隨機調(diào)度的數(shù)據(jù)仿真結(jié)果表明多宇宙量子遺傳算法比遺傳算法和量子遺傳算法效果更好。
　�。�2）針對隨機Job Shop問題，建立了隨機期望值規(guī)劃模型，其中，加工時間獨立同分布于正態(tài)分布；提出了并行量子遺傳算法對該調(diào)度問題進行求解。該算法基于并行進化思想和量子理論的相關(guān)概念，模擬了一種并行的量子計算模型。該模型存在多個子種群。幾個子種群為一組，稱為“宇宙”。在宇宙內(nèi)部，所有的子種群形成超星型網(wǎng)絡拓撲結(jié)構(gòu)。子種群之間實施一種新穎的滲透遷移策略，自適應地控制個體的遷移方向和遷移數(shù)量；在宇宙之間，實施量子交叉策略。根據(jù)Job Shop調(diào)度編碼的特點，專門設(shè)計了編碼策略，將量子位編碼轉(zhuǎn)換成JobShop編碼，同時設(shè)計相對大角度的量子旋轉(zhuǎn)角度查詢表。實驗仿真結(jié)果驗證了NPQGA算法的有效性和實用性。
　�。�3）針對隨機Job Shop問題和帶并行處理單元的隨機Flow Shop調(diào)度問題的復雜性，提出了災變式合作協(xié)同遺傳算法和競爭型協(xié)同量子遺傳算法，進行求解。災變式合作協(xié)同遺傳算法主要針對基本合作式協(xié)同遺傳算法容易陷入局部最優(yōu)的弊端進行改進，當種群出現(xiàn)趨同現(xiàn)象時，就執(zhí)行災變操作，原有基因的壟斷優(yōu)勢被打破，從而增加了基因的多樣性，激發(fā)出更好的基因。大量的仿真結(jié)果驗證，改進對算法有一定的改善作用。競爭型協(xié)同量子遺傳算法是基于多種群協(xié)同進化思想和量子理論的相關(guān)概念提出的。在種群進化過程中，我們提出三種新策略——競爭捕食策略、協(xié)同合作策略和大魚吃小魚策略，通過判斷多種群之間的相互作用程度，動態(tài)調(diào)整種群規(guī)模，提高了種群的自適應性，同時還設(shè)計了新的調(diào)度編碼轉(zhuǎn)換機制和對量子種群進行更新操作。實驗結(jié)果顯示了競爭型協(xié)同量子遺傳算法較好的可行性和有效性。
　�。�4）研究了帶設(shè)備故障的兩種隨機調(diào)度問題——隨機Flow Shop問題和帶并行處理單元的隨機Flow Shop問題，不僅加工時間是隨機變量，而且設(shè)備故障的發(fā)生時刻和設(shè)備修理時間也是隨機變量。在隨機Flow Shop問題中，分析了兩種故障模型-preemptlve-resume model和preemptive-repeat model。每種模型下又討論兩種故障情況：故障發(fā)生后，任務的加工時間是否重新采樣。在帶并行處理單元的隨機Flow Shop調(diào)度問題中，針對故障可能發(fā)生的不同情況（故障發(fā)生在加工任務的正常加工時段或者設(shè)備空閑時段），給出相應的仿真求解方法，即計算相應情況下加工任務的起始加工時間和完工時間。在調(diào)度優(yōu)化算法方面，將量子理論和協(xié)同進化計算相結(jié)合，提出了一種合作型協(xié)同量子遺傳算法進行求解，實驗仿真結(jié)果顯示了算法的優(yōu)越性。
　�。�5）針對不同中間存儲方式的隨機Flow Shop調(diào)度問題，分別建立具有零等待和有限中間存儲的隨機期望值規(guī)劃模型，并用量子遺傳算法進行求解，仿真結(jié)果驗證了所建的調(diào)度模型和量子遺傳算法的有效性。