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、教育部春晖计划项目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。

第1章 概述001
1.1　云制造基础知识001
1.2　云制造资源智能优化配置与动态调度内容003
1.3　本章小结005

第2章 云制造任务分解建模与仿真006
2.1　云制造任务分解概述006
2.2　设计任务分解建模007
2.2.1　设计任务分解原则007
2.2.2　设计任务分解数学模型008
2.3　制造任务分解建模010
2.3.1　制造任务分解原则010
2.3.2　制造任务分解数学模型011
2.4　运输任务分解建模013
2.5　维护任务分解建模014
2.6　基于深度优化算法的设计任务分解015
2.6.1　深度优化算法的基本原理015
2.6.2　设计任务矩阵的建立015
2.6.3　求解矩阵任务集016
2.7　基于快速模块化算法的制造任务分解017
2.8　基于人工蜂群算法的运输任务分解018
2.8.1　人工蜂群算法原理018
2.8.2　编码019
2.8.3　适应度函数与算法流程019
2.9　基于层次分析法的权重计算021
2.10　实例仿真分析023
2.10.1　设计任务仿真023
2.10.2　制造任务仿真025
2.10.3　运输任务仿真027
2.10.4　维护任务仿真030
2.11　本章小结030

第3章 云制造资源智能优化匹配建模与仿真031
3.1　制造资源的智能优化匹配问题描述031
3.2　云环境下制造资源分类033
3.3　制造资源匹配评价指标体系035
3.4　云环境下制造资源智能优化匹配模型037
3.4.1　优化目标函数038
3.4.2　约束条件040
3.5　基于层次分析法的权重计算041
3.5.1　层次分析法计算权重步骤042
3.5.2　权重计算043
3.6　基于人工蜂群算法的制造资源智能优化匹配045
3.6.1　编码操作045
3.6.2　适应度函数的构造045
3.6.3　雇佣蜂阶段046
3.6.4　观察蜂阶段046
3.6.5　侦查蜂阶段046
3.7　仿真实验分析048
3.8　本章小结053

第4章 基于云制造任务变化的资源动态调度建模与仿真054
4.1　云制造任务054
4.1.1　云制造任务信息描述055
4.1.2　云制造任务动态性分析055
4.2　基于云制造任务变化的资源动态调度问题描述056
4.3　云制造资源调度指标建立058
4.4　基于云制造任务变化的资源动态调度数学模型058
4.4.1　数学符号及其描述058
4.4.2　优化目标059
4.4.3　约束条件061
4.5　遗传算法062
4.6　基于层次分析法的权重计算064
4.6.1　层次分析法求解步骤065
4.6.2　权重计算066
4.7　基于多层编码遗传算法的资源动态调度067
4.7.1　个体编码067
4.7.2　适应度函数的构造069
4.7.3　选择操作069
4.7.4　交叉操作069
4.7.5　变异操作070
4.8　仿真验证072
4.9　本章小结080

第5章 基于资源变化的动态调度建模与仿真081
5.1　云制造资源081
5.2　基于资源变化的动态调度问题描述082
5.3　基于资源变化的动态调度数学模型084
5.3.1　数学符号及其描述084
5.3.2　优化目标085
5.3.3　约束条件087
5.4　粒子群优化算法088
5.4.1　粒子群算法基本原理088
5.4.2　粒子群算法流程及步骤089
5.5　基于改进粒子群算法的资源动态调度090
5.5.1　编码090
5.5.2　适应度函数构造091
5.5.3　粒子位置与速度更新092
5.5.4　粒子群算法的改进092
5.6　仿真分析095
5.7　本章小结102

第6章 云制造环境下车间资源的动态调度建模与仿真104
6.1　车间资源动态调度问题描述104
6.2　任务优先级评定建模107
6.2.1　博弈论及其要素107
6.2.2　两项任务优先级评定108
6.2.3　多项任务优先级评定109
6.2.4　多目标评定矩阵构建111
6.3　车间资源动态调度建模113
6.3.1　数学符号及其描述113
6.3.2　优化目标114
6.3.3　约束条件115
6.4　基于改进粒子群算法的车间资源动态调度116
6.4.1　编码116
6.4.2　适应度函数构造117
6.4.3　粒子群算法操作流程117
6.5　仿真分析119
6.6　本章小结125

附录126

参考文献161