اسعدی، م. (1393). زمان‌بندی کامیون‌های ورودی و خروجی در مراکز فرابارانداز با چندین درب دریافت و ارسال (پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی سجاد/دانشکده مهندسی صنایع و مدیریت).دریافت از علم نت.
رضایی ، ن. (1394). زمان‌بندی چندهدفه کادر اتاق عمل با در نظر گرفن ترجیحات رزیدنت‌ها در مراکز بهداشتی آموزشی درمانی ( پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی سجاد/دانشکده مهندسی صنایع و مدیریت). دریافت از علم نت.
شهسواری‌پور، ن؛ کاظمی، م؛ اسدی، ح؛ حیدری، ع. (1394). برنامه‌ریزی و زمان‌بندی تولید با رویکرد الگوریتم‌های فراابتکاری، تهران: انتشارات دانشگاهی کیان.
هادی‌پور، ز. (1390). زمان‌بندی جریان کارگاهی چندهدفه ماشین‌آلات به کمک الگوریتم بهینه‌سازی گروه ذرات (pso) ( پایان‌نامه کارشناسی ارشد، دانشگاه صنعتی شریف/دانشکده مدیریت). دریافت از علم نت.
Arabani, A. B., Zandieh, M., & Ghomi, S. F. (2011). Multi-objective genetic-based algorithms for a cross-docking scheduling problem. Applied soft computing, 11(8), 4954-4970.
Dai, M., Tang, D., Giret, A., Salido, M. A., & Li, W. D. (2013). Energy-efficient scheduling for a flexible flow shop using an improved genetic-simulated annealing algorithm. Robotics and computer-integrated manufacturing, 29(5), 418-429.
Dai, M., Tang, D., Xu, Y., & Li, W. (2015). Energy-aware integrated process planning and scheduling for job shops. Proceedings of the institution of mechanical engineers, part B: Journal of engineering manufacture, 229, 13-26.
Deb, K., Pratap, A., Agarwal, S., & Meyarivan, T. A. M. T. (2002). A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE transactions on evolutionary computation, 6(2), 182-197.
Dietmair, A., & Verl, A. (2009). A generic energy consumption model for decision making and energy efficiency optimisation in manufacturing. International journal of sustainable engineering, 2(2), 123-133.
Karimi, N., & Davoudpour, H. (2014). A high performing metaheuristic for multi-objective flowshop scheduling problem. Computers & operations research, 52, 149-156.
Langer, T., Schlegel, A., Stoldt, J., & Putz, M. (2014). A model-based approach to energy-saving manufacturing control strategies. Procedia CIRP, 15, 123-128.
Liu, G. S., Zhang, B. X., Yang, H. D., Chen, X., & Huang, G. Q. (2013). A branch-and-bound algorithm for minimizing the energy consumption in the PFS problem. Mathematical problems in engineering, 2013.
Mansouri, S. A., Aktas, E., & Besikci, U. (2016). Green scheduling of a two-machine flowshop: Trade-off between makespan and energy consumption. European journal of operational research, 248(3), 772-788.
Mavrotas, G. (2009). Effective implementation of the ε-constraint method in multi-objective mathematical programming problems. Applied mathematics and computation, 213(2), 455-465.
Nilakantan, J. M., Huang, G. Q., & Ponnambalam, S. G. (2015). An investigation on minimizing cycle time and total energy consumption in robotic assembly line systems. Journal of cleaner production, 90, 311-325.
Seow, Y., & Rahimifard, S. (2011). A framework for modelling energy consumption within manufacturing systems. CIRP journal of manufacturing science and technology, 4(3), 258-264.
Wang, H., Jiang, Z., Wang, Y., Zhang, H., & Wang, Y. (2018a). A two-stage optimization method for energy-saving flexible job-shop scheduling based on energy dynamic characterization. Journal of cleaner production, 188, 575-588.
Wang, S., Wang, X., Yu, J., Ma, S., & Liu, M. (2018b). Bi-objective identical parallel machine scheduling to minimize total energy consumption and makespan. Journal of cleaner production, 193, 424-440.
Weinert, N., Chiotellis, S., & Seliger, G. (2011). Methodology for planning and operating energy-efficient production systems. CIRP annals-manufacturing technology, 60(1), 41-44.
Eren, T., & Güner, E. (2006). A bicriteria scheduling with sequence-dependent setup times. Applied mathematics and computation, 179(1), 378-385.
)