新書推薦：
《
大学问·长江下游地区的地租、赋税与农民反抗斗争（1840—1949）
》
售價：NT$
454
《
唐宋之变：中国现代化的历史渊源
》
售價：NT$
505
《
宦迹：梁梦龙宦迹图（外二种）
》
售價：NT$
296
《
一种属于自己的生活：女性写作与自我重建之书
》
售價：NT$
296
《
从心养育：父母修行实践课
》
售價：NT$
347
《
海外中国研究·烧钱：中国人生活世界中的物质精神
》
售價：NT$
398
《
自洽大脑
》
售價：NT$
352
《
“十五五”关键棋：核心战略与民生机遇
》
售價：NT$
403
|
| 內容簡介： |
本书详细讲解了进化计算、群体智能、领域搜索、机器学习、深度学习、强化学习等智能制造领域主流的优化方法，并将其与智能制造环境中的多种应用场景结合，如智能工艺规划、智能物流规划、智能车间调度、智能车间布局、加工参数优化、智能车间产能预测、产品缺陷检测、工业机器人路径规划等，帮助读者全面了解、学习和掌握优化方法在智能制造各流程中的应用。
本书兼顾理论基础与应用实践，展望智能制造技术前沿，可作为智能制造及相关专业的教材，也可为相关领域的技术人员提供有益参考。
|
| 目錄：
|
第1章绪论 001
1.1智能优化方法简介001
1.1.1智能优化方法的含义与特点001
1.1.2智能优化方法的分类003
1.2智能生产中的最优化问题006
1.2.1最优化问题006
1.2.2最优化问题的分类007
1.2.3计算复杂性与NP问题009
1.3智能优化方法的应用与发展009
1.3.1智能优化方法的应用009
1.3.2智能优化方法的发展014
本章小结015
习题016
参考文献016
第2章进化计算方法 019
2.1进化计算简介019
2.1.1进化计算的含义与特点019
2.1.2进化计算的分类021
2.2典型进化计算方法026
2.2.1遗传算法026
2.2.2免疫算法033
2.2.3遗传规划038
2.3进化计算在智能生产中的应用042
2.3.1飞机移动装配线作业调度问题——基于遗传算法042
2.3.2柔性工艺规划问题——基于免疫算法046
2.3.3作业车间调度问题——基于遗传规划050
本章小结053
习题053
参考文献053
第3章群体智能方法 055
3.1群体智能简介055
3.1.1群体智能的含义与特点055
3.1.2群体智能算法的分类057
3.2典型群体智能方法060
3.2.1蚁群算法060
3.2.2人工蜂群算法064
3.2.3粒子群优化算法067
3.2.4粒子群优化算法的求解流程070
3.3群体智能在智能生产中的应用070
3.3.1作业车间调度070
3.3.2装配线平衡073
3.3.3AGV路径规划076
本章小结078
习题078
参考文献078
第4章邻域搜索方法 081
4.1邻域搜索简介082
4.1.1邻域的概念082
4.1.2搜索规则083
4.1.3邻域搜索算法的基本步骤084
4.2典型邻域搜索方法084
4.2.1爬山算法084
4.2.2模拟退火算法087
4.2.3禁忌搜索算法096
4.2.4变邻域搜索算法100
4.3邻域搜索在智能生产中的应用104
4.3.1背景介绍104
4.3.2问题描述105
4.3.3基于遗传模拟退火算法的车间布局方案105
4.4带时间窗的车辆路径问题求解111
4.4.1车辆路径问题简介112
4.4.2禁忌搜索算法求解VRPTW114
本章小结115
习题116
参考文献116
第5章机器学习方法 117
5.1机器学习简介117
5.1.1机器学习的含义与特点117
5.1.2机器学习的分类120
5.2典型机器学习方法124
5.2.1决策树方法124
5.2.2聚类分析方法132
5.2.3BP神经网络137
5.3机器学习在智能生产中的应用142
5.3.1智能车间产能预测142
5.3.2滚动轴承故障诊断144
5.3.3点云配准148
本章小结150
习题151
参考文献151
第6章深度学习方法 153
6.1深度学习简介153
6.1.1深度学习的含义与特点154
6.1.2深度学习的发展155
6.2典型深度学习方法160
6.2.1卷积神经网络160
6.2.2循环神经网络164
6.2.3自动编码器166
6.3深度学习在智能生产中的应用169
6.3.1滚动轴承故障诊断169
6.3.2产品缺陷检测171
6.3.3物料完备性检测175
本章小结178
习题178
参考文献179
第7章强化学习方法 180
7.1强化学习简介180
7.1.1强化学习的含义与特点181
7.1.2强化学习的分类182
7.2典型的强化学习方法与案例183
7.2.1Q-learning方法介绍183
7.2.2DQN方法186
7.2.3策略梯度方法与小车上山问题191
7.3强化学习在智能生产中的应用195
7.3.1基于Q-learning算法的单AGV调度195
7.3.2基于深度Q网络的多AGV协同规划199
本章小结203
习题203
参考文献203
第8章综合应用案例 204
8.1群体智能方法在生产/运维集成优化中的应用案例204
8.1.1概述204
8.1.2CSPPW模型介绍204
8.1.3MNNIA算法207
8.1.4实验分析213
8.2遗传算法在集成工艺规划与车间调度中的应用案例221
8.2.1概述221
8.2.2问题描述与求解算法222
8.2.3算法求解框架226
8.2.4案例求解与分析227
8.3深度学习方法在机械设备状态检测中的应用案例229
8.3.1滚动轴承案例介绍229
8.3.2自吸式离心泵案例验证236
本章小结240
习题240
参考文献240
|
| 內容試閱：
|
现代制造系统日益呈现出高度复杂性与集成化的特征。制造过程中的优化问题往往具备多目标、多约束、动态变化及不确定性等多重挑战，传统优化方法在处理此类问题时逐渐显现出效率与精度上的局限。在这一背景下，智能优化方法作为应对复杂工程与管理问题的重要工具，正以其强大的适应能力和广泛的应用潜力，成为推动智能制造发展的关键力量。通过模拟自然界的智能行为与物理机制，智能优化方法为智能制造中的复杂优化问题提供了有效的技术手段。
为顺应智能制造对先进优化技术的迫切需求，满足高等院校和相关领域从业人员对智能优化方法学习的需求，我们编写了这本《智能制造优化方法及应用》。本书依托编写团队多年的教学积累与科研成果，融合国内外研究前沿，系统介绍了智能优化方法的基础理论、算法设计及其在智能制造中的典型工程应用。全书共分为8章：第1章介绍智能优化方法的基本概念、特点分类及其在智能制造中的重要意义；第2章详细阐述进化计算方法，包括遗传算法、免疫算法等及其在柔性工艺规划、车间调度等场景的应用；第3章探讨群体智能方法，如蚁群算法、蜂群算法等在产品质量检测、装配线平衡等方面的应用；第4章分析邻域搜索方法，包括变邻域搜索算法、模拟退火等在车间布局、参数优化中的应用；第5～7章分别讨论机器学习、深度学习和强化学习等人工智能前沿方法在智能生产中的创新应用；第8章为综合应用案例分析。本书具有理论体系完整、应用案例丰富、内容新颖前沿、实践性强等特点，既系统介绍了主流智能优化方法，又紧密结合智能制造实际场景，提供了算法实现和应用的具体指导。
本书在编写过程中注重理论与实践的结合，既阐述了算法的基本原理与实现机制，也提供了丰富的应用实例和参考文献，旨在帮助读者建立起系统的智能优化知识体系，并具备解决实际工程问题的能力。本书适合作为高等院校智能制造工程、机械工程、自动化、计算机、管理科学与工程等相关专业的高年级本科生或研究生的教材，也可供从事智能制造、优化算法研究与应用的工程技术人员和研究人员参考。
本书由郑州轻工业大学机电工程学院文笑雨、张丽科、张玉彦和张伟伟共同编著。其中，文笑雨编写第1、2章和第8章的8.2节，并负责全书架构设计和统稿工作；张丽科编写第3章和第8章的8.1节；张伟伟编写第4章和第7章；张玉彦编写第5章、第6章和第8章的8.3节。研究生王文婷、刘浩浩、张昊、梁冲、郭帅兵等参与了资料收集和图表绘制工作。化学工业出版社、郑州轻工业大学机电工程学院以及相关的兄弟院校，对本书的编写和出版给予了积极的支持和帮助，在此一并表示衷心的感谢！同时，我们参考了大量国内外相关文献，在此向所有被引用文献的作者表示诚挚的谢意。
由于编著者水平有限，书中难免存在不足之处，恳请广大读者批评指正。
编著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
