资源调度是工业制造产业的一种非常重要的生产决策形式,合理地调度资源,可以有效地提高生产效率,从而提高经济效益。上个世纪五十年代,学者们就开始研究调度问题,在二十一世纪的今天,蓬勃发展的科学技术让生产制造产业向着智能化发展,产品制造过程更加繁杂,因此,如何合理调度资源,是广大学者研究的热点。国家为了适应全球经济发展的步伐,必须转变经济模式,而作为支柱产业的工业制造产业,也必须适应全球经济环境,才能谋求更大的发展。当前,高速发展的科学技术正不断推动着制造业的改革,该行业的资源调配也向着“劳动密集型—设备密集—信息密集—知识密集”的方向不断向前发展,这也使得制造产业不得不改进生产方式,向着“手工—机械化—自动化一智能自动化”的方向发展[2]。因此,研究复杂工业生产过程的资源调度的建模、优化将成为先进的智能控制技术的核心理论基础之一。复杂工业包括了零件加工、服装生产、炼油、冶金等工业生产过程,由于对某一产品需要进行多批次的制造或提炼,在此过程中产生的资源消耗无疑将影响工业生产的效益,因此需要充分考虑到各种资源使用情况,力争资源消耗代价最小。本文通过对复杂工业过程资源调度的国内外研究现状的充分分析,研究基于知识的资源调度模型和具有知识进化和自然进化的智能算法,对复杂工业生产过程的资源调度进行优化研究,拟建立相关的理论分析基础,并将新的智能算法以齿轮加工工业过程中为例进行仿真实验,验证算法的有效性。针对资源调度问题进行了以下研究：(1)通过对复杂工业过程资源调度的理论研究,得到调度过程的约束条件和合适的调度参数,然后仔细分析和比较了现有的资源调度方法,得到各种算法的优缺点,再阐述齿轮加工产业的资源调度原理,设定了基于齿轮加工过程资源调度的资源占有率和资源消耗评价参数,建立了资源调度数学模型。(2)阐明遗传算法原理,设定了基于齿轮加工过程资源调度的二进制编码方式和基于调度模型的适应度函数,设定了建立基于资源调度模型的知识进化规则,将遗传算法结合知识进化规则,提出了一个新的算法,并将其应用于齿轮加工产业的资源调度优化过程中。(3)设定各种实际生产要素,使用Matlab对资源调度模型进行仿真实验来验证算法的可行性,实验表明,新算法的收敛速度和最优解相比传统的遗传算法有了较大的改进,同时,得到的最优解表明,该算法是可以有效地解决资源调度问题的。