本书聚焦高端装备制造产线在“工业4.0”环境下面临的效率瓶颈与响应难题，系统阐述了基于云边协同架构的产线运行优化理论与方法。

本书从制造现场的实际需求出发，首先探讨了如何利用边缘计算技术解决多源异构数据的实时接入问题，并建立了制造资源的数字化与服务化模型，为物理世界向数字世界的映射奠定基础。在此之上，本书深入剖析了复杂生产环境下的智能决策机制：针对大规模静态调度，提出了基于深度强化学习的求解策略;面对订单变更、设备故障等动态扰动，设计了具有自适应能力的遗传规划与重调度算法。同时，书中还关注支撑这些算法运行的算力资源分配问题，构建了云边协同的计算任务卸载机制。最后，本书结合轨道交通等典型行业的应用案例，验证了相关技术在提升产线敏捷性与鲁棒性方面的实际效果。

本书兼具理论深度与工程实用性，可供从事智能制造、生产调度、工业互联网及数字化工厂研发的科研人员与工程技术人员阅读参考，也可作为智能制造工程、工业工程、机械工程、自动化及人工智能等相关专业高年级本科生和研究生的参考用书。

第1章 装备制造产线001

1.1 装备制造基本概念002

1.2 装备制造产线概念及范畴004

1.2.1 装备制造产线的核心概念004

1.2.2 装备制造产线的范畴界定006

1.3 装备制造产线组成008

1.3.1 硬件系统008

1.3.2 软件系统012

1.4 产线运行分析指标015

1.4.1 生产效率指标016

1.4.2 产品质量指标017

1.4.3 设备状态指标018

1.4.4 成本消耗指标019

1.4.5 能源环保指标019

1.5 产线优化目标020

1.5.1 时间维度优化目标020

1.5.2 资源利用最大化目标021

1.5.3 质量与稳定性提升目标022

1.5.4 能耗与成本控制目标023

1.5.5 柔性与鲁棒性增强目标023

1.5.6 多目标协同优化策略024

1.6 国内外装备制造产线发展现状024

1.6.1 国外装备制造产线发展现状025

1.6.2 国内装备制造产线发展现状027

1.6.3 发展趋势与展望027

1.7 本章小结028

参考文献028

第2章 云边协同下产线运行优化框架030

2.1 装备产线运行总体框架031

2.1.1 产线云概念及内涵032

2.1.2 产线智能终端概念及内涵034

2.1.3 云边交互范畴与数据划分机制036

2.1.4 云边协同控制架构037

2.2 产线运行优化决策内涵039

2.2.1 实时优化范畴041

2.2.2 非实时优化范畴041

2.3 本章小结042

参考文献043

第3章 产线数据边缘智能接入045

3.1 边缘智能设备046

3.1.1 产线设备046

3.1.2 数采设备047

3.2 边缘数据采集048

3.3 边缘数据接入049

3.3.1 基于SDN 的网络协同制造数据接入策略049

3.3.2 基于边缘智能的实时联接拥塞控制策略055

3.4 数据智能处理058

3.4.1 预处理058

3.4.2 智能处理技术059

3.5 云边协同数据上载与模型更新架构068

3.6 数据传输安全069

3.6.1 网络架构071

3.6.2 数据传输技术072

3.6.3 加密技术073

3.7 本章小结074

参考文献075

第4章 产线资源制造能力与服务化模型077

4.1 制造资源描述078

4.1.1 制造资源服务能力定义及量化079

4.1.2 其他属性082

4.2 资源建模088

4.2.1 建模方法088

4.2.2 资源表征090

4.2.3 能力表征091

4.2.4 产线网络表征092

4.3 能力与服务化模型096

4.4 本章小结099

参考文献099

第5章 大规模产线资源调度优化决策101

5.1 深度强化学习基础102

5.1.1 强化学习核心概念102

5.1.2 深度强化学习算法104

5.2 柔性作业车间调度问题105

5.2.1 问题描述106

5.2.2 数学规划模型106

5.2.3 析取图模型108

5.3 面向FJSP 的多动作深度强化学习求解框架108

5.3.1 多动作马尔可夫决策过程109

5.3.2 参数化策略110

5.3.3 多智能体训练策略112

5.4 计算分析112

5.4.1 算例设计113

5.4.2 对比分析113

5.4.3 泛化性能分析115

5.5 本章小结128

参考文献128

第6章 动态大规模产线资源调度优化130

6.1 动态调度问题描述131

6.1.1 动态因素133

6.1.2 数学规划模型建立133

6.1.3 问题分析135

6.2 分层强化学习架构135

6.2.1 上层架构135

6.2.2 下层架构137

6.2.3 框架描述139

6.3 计算分析140

6.3.1 模拟器设计140

6.3.2 对比分析141

6.3.3 上下层算法分析144

6.4 本章小结145

参考文献145

第7章 面向边缘端随机扰动的遗传规划调度技术147

7.1 需求分析148

7.2 动态调度策略149

7.2.1 插单调度策略150

7.2.2 缺件调度策略150

7.2.3 撤单调度策略152

7.2.4 机器故障调度策略152

7.3 基于遗传规划的动态调度算法153

7.3.1 两阶段遗传规划算法流程153

7.3.2 调度优化数学模型153

7.3.3 两阶段遗传规划算法生成阶段156

7.3.4 两阶段遗传规划算法选择阶段160

7.3.5 实验验证163

7.4 本章小结167

参考文献167

第8章 云边协同计算任务卸载与优化169

8.1 云边协同任务卸载框架170

8.2 云边协同实时优化模型174

8.2.1 单目标云边协同任务卸载174

8.2.2 多目标云边协同任务卸载178

8.3 基于多智能体深度强化学习的云边协同策略180

8.3.1 多智能体马尔可夫决策过程181

8.3.2 多指针注意力模型184

8.4 基于深度强化学习的双目标云边协同算法186

8.4.1 编码器、解码器模型187

8.4.2 分层参数共享训练策略188

8.5 计算分析190

8.5.1 算例设计190

8.5.2 对比方法191

8.5.3 实验分析192

8.6 本章小结197

参考文献198

第9章 系统开发与发展趋势200

9.1 产线实际需求201

9.2 系统部署方案202

9.2.1 产线智能接入系统202

9.2.2 产线敏捷协同系统203

9.3 系统开发逻辑205

9.4 面向轨道交通装备制造的应用206

9.4.1 中车浦镇应用场景206

9.4.2 中车浦镇案例验证207

9.5 兵器装备行业应用209

9.5.1 江麓机电集团应用场景209

9.5.2 案例验证210

9.6 发展趋势分析211

9.6.1 产线智能接入系统的发展趋势211

9.6.2 产线敏捷协同系统的发展趋势212

9.7 本章小结212

参考文献213