1. Rodzaje algorytmów inteligencji rojowej i problemy harmonogramowania 1.1. Rodzaje algorytmów rojowych 1.2. Rodzaje problemów harmonogramowania w systemach produkcyjnych 1.3. Ograniczenia produkcji i kryteria oceny harmonogramów systemów produkcyjnych 2. Charakterystyka algorytmów rojowych i ich zastosowanie w systemach produkcyjnych 2.1. Algorytm mrówkowy 2.2. Algorytm optymalizacji roju cząstek 2.3. Algorytm pszczeli 2.4. Algorytm sztucznego roju pszczół 2.5. Algorytm świetlika 2.6. Algorytm kukułki 2.7. Algorytm bakteryjny 2.8. Algorytm wirusa 2.9. Algorytm czepiaka 2.10. Algorytm żabiego skoku 2.11. Algorytm kociej sfory 2.12. Algorytm kurzego roju 2.13. Algorytm afrykańskiego dzikiego psa 2.14. Algorytm szarego wilka 2.15. Algorytm godów pszczoły miodnej 2.16. Algorytm muszek owocowych 2.17. Algorytm nietoperza 2.18. Algorytm stada wielbłądów 2.19. Algorytm stada słoni 2.20. Algorytm nosorożca . 2.21. Algorytm koników polnych 2.22. Algorytm ławicy kryla 2.23. Algorytm wielorybi 2.24. Algorytm migracji łososi 2.25. Algorytm sztucznej ławicy ryb 2.26. Algorytm roju salp 2.27. Algorytm stada owiec 2.28. Algorytm klanu surykatek 2.29. Algorytm cętkowanej hieny 2.30. Algorytm lwi 2.31. Algorytm gołębi 2.32. Algorytm nocujących kruków 2.33. Algorytm migrujących ptaków 2.34. Algorytm lwiej mrówki 2.35. Algorytm motyla monarchy 2.36. Algorytm pająka społecznego 2.37. Algorytm raf koralowych 2.38. Algorytm flory 2.39. Algorytm glonów 2.40. Algorytm inwazji chwastów 2.41. Inne algorytmy inteligencji rojowej 3. Eksperymenty z wybranymi algorytmami na zadaniach testowych oraz do rozwiązania rzeczywistych problemów produkcyjnych 3.1. Badanie efektywności algorytmów ACO, PSO i ABC na zadaniach testowych 3.1.1. Analiza algorytmu optymalizacji kolonii mrówek (ACO) 3.1.2. Analiza algorytmu optymalizacji roju cząstek (PSO) 3.1.3. Analiza algorytmu sztucznego roju pszczół (ABC) 3.1.4. Efektywność wybranych algorytmów rojowych do problemu JSSP 3.2. Zastosowanie algorytmów różnych typów do rozwiązania problemów rzeczywistych 3.2.1. Charakterystyka rzeczywistych systemów produkcyjnych typu gniazdowego 3.2.2. Rozwiązanie problemu JSAPNV z użyciem różnych algorytmów 3.2.2.1. Algorytm zachłanno-siłowy (G-B) 3.2.2.2. Dyskretny algorytm sztucznego roju pszczół (DABC) 3.2.2.3. Algorytm oparty na nauczaniu i uczeniu (TLBO) 3.2.2.4. Algorytm konkurencji imperialistycznej (ICA) 3.3. Harmonogramowanie z użyciem algorytmów inspirowanych zachowaniem ludzkim 3.3.1. Harmonogramowanie w SP integrujące kilka zasobów z użyciem ASO 3.3.2. Rozwiązanie problemu FJSSP z użyciem algorytmu BSO 3.4. Zastosowanie hybrydowych algorytmów rojowych do harmonogramowania procesów zarządzania produkcją 3.4.1. Harmonogramowanie procesu projektowania produktu z użyciem GA+PSO 3.4.2. Harmonogramowanie procesu produkcyjnego z użyciem GA+CSA 3.4.3. Harmonogramowanie w rozproszonym SP z użyciem algorytmów rojowych 3.4.4. Wybór maszyn w rekonfigurowanym SP z zastosowaniem algorytmu MOPSO 3.4.5. Optymalizacja harmonogramowania przy zintegrowanym podejściu do projektowania i konserwacji SP z użyciem hybrydy GA+PSO i ACO 4. Współczesne problemy planowania, harmonogramowania i sterowania produkcją 4.1. Smart manufacturing jako nowa wersja inteligentnej produkcji 4.2. Zastosowanie technologii informacyjnych w planowaniu i sterowaniu produkcją 4.3. Harmonogramowanie w zrobotyzowanych elastycznych systemach montażowych 4.4. Rola cyfrowej technologii bliźniaczej w cyber-fizycznych systemach produkcyjnych 4.5. Automatyczne generowanie modeli symulacyjnych systemów produkcyjnych 4.6. Projektowanie parametrów procesu na podstawie danych i metodologii RSM 4.7. Inteligentne harmonogramowanie procesów produkcyjnych 4.8. Optymalizacja harmonogramowania z użyciem danych percepcyjnych i algorytmu pszczelego w środowisku zrównoważonej produkcji 4.9. Podejście simheurystyczne do rozwiązywania problemów harmonogramowania w systemach produkcyjnych 4.10. Harmonogramowanie zadań w środowisku chmury obliczeniowej z użyciem metaheurystyk