论文部分内容阅读
智能调度(AIScheduling)是人工智能领域的一个重要研究方向,虽然它的起步和智能规划(AIPlanning)基本同时(20世纪50年代),却很晚(20世纪80年代)才受到AI领域研究的足够重视,由于和智能规划问题有很大的相似性和相关性,不少学者也把它作为智能规划方向的一个特例来研究,所以智能规划中大部分成熟的思想和算法如约束满足、启发式搜索、基因算法、神经元网络等都可以成功地解决智能调度问题,使得智能调度在后期的20年突飞猛进。流程工业生产计划的调度问题具有相当的难度,目前调度问题的理论研究成果主要在集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上。遗传算法是一种模拟生物自然进化的随机搜索技术,它自从被提出后就常常给用来解决调度问题。Husbands、Bierwirth和Kobayashi给出了大量的遗传算法在制造业的应用。但是直到现在,仅有少量文献考虑其在流程工业计划中的应用。本文从实际和理论两方面进行研究,对一个具体的流程工业生产计划问题进行具体分析,重点研究了现代进化算法中有代表性发展优势的遗传算法,针对其关键环节采取适宜方法,通过MATLAB软件,实现对该算法的计算机模拟,得出了流程工作生产计划调度问题的优化方案,以及对其优化方案的研究性分析。这对车间调度等系列问题具有很大的参考价值。