本書選擇典型的流水車間調(diào)度、作業(yè)車間調(diào)度、分布式調(diào)度等問題作為研究背景，以強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)和其他智能算法為研究對象，開展復(fù)雜約束條件下的車間生產(chǎn)調(diào)度單目標(biāo)或多目標(biāo)問題研究。圍繞基于監(jiān)督學(xué)習(xí)的序列模型、基于值函數(shù)逼近的深度強(qiáng)化學(xué)習(xí)算法、基于策略梯度的深度強(qiáng)化學(xué)習(xí)算法、改進(jìn)的NSGA—Ⅱ算法、基于NASH—Q—learning的分布式算法展開論述，并將之分別應(yīng)用到不同的生產(chǎn)調(diào)度場景。本書基于作者多年的研究成果和實(shí)踐經(jīng)驗(yàn)寫成，可供從事智能制造、人工智能、工業(yè)工程、企業(yè)管理等專業(yè)的研究人員閱讀，也可作為上述專業(yè)學(xué)生的研究、學(xué)習(xí)用參考書。