复杂工业过程调度方法是制造科学、自动化和工业工程等领域的热点研究方向,是提高我国大中型企业生产调度水平和确保企业生产过程高效运行、促进节能减排降耗,实现生产过程智能化的关键技术。企业通过高效的优化调度,可在不增加成本的情况下得到更高的投资回报率。随着工业生产和科学技术的飞速发展,当前制造业正向大规模、多批次、小批量的定制生产模式转型,制造过程中的不确定性因素发生概率随之增加,依据机理建立精确数学模型并进行分析、控制和调度变得越来越困难。运筹学方法难以在可接受的时间内求解,且需理想化假设;启发式规则对环境依赖性强,难以保证解的质量;计算智能方法存在对参数敏感、复杂度较高等问题。因此,研究复杂工业过程的高效调度方法既是国民经济领域的重大需求,又是国际智能制造领域极具挑战性课题。本文面向大中型企业的复杂工业制造过程,围绕实际调度问题中面临4个现实难题:调度方案评估效率低、动态环境下参数整定难、调度方案置信度与计算代价难以权衡、高维度优化难,借鉴机器学习方法及运筹优化理论,研究融合机器学习与群体智能的复杂工业过程智能调度方法,具体如下:1、针对半导体生产线扩散区和氧化区的一类批加工调度问题,研究一种基于问题分解的分层优化框架。该框架将原调度问题分为工件分批和批调度两个子问题,上层工件分批采用融合决策理论的时间窗策略求解,下层批调度子问题应用基于代理模型的共生进化算法求解;为平衡算法全局与局部搜索能力,研究基于强化学习的共生进化算法参数控制系统;为加快算法搜索进程和强化学习离线训练过程,研究基于监督学习的代理模型构建技术,通过快速估计解的相对优劣,降低算法迭代过程中多次评估种群中个体性能所需的计算代价。2、面向半导体最终测试阶段调度问题,研究一种参数自学习灰狼优化算法。针对灰狼优化算法对参数敏感的问题,设计带延迟更新机制的强化学习算法,设计可平衡全局与局部搜索的回报函数,构建灰狼优化算法的参数整定模型;为降低了在线调度的时间复杂度,该模型采用离线训练,在线控制的方式。实现消耗更小的计算代价,获取质量更高的调度方案的目的。3、针对光刻区不相关并行机调度问题,充分考虑生产过程中工件加工时间的不确定性,为获取高可靠性的调度方案,研究一种最优计算分配量策略。在总仿真次数有限的情况下,该策略充分利用先验概率分布和仿真结果,通过合理分配仿真次数,最大化仿真得到的最优调度方案是实际最优解的概率;从理论上分析所提策略,首次证明了所提策略在工件加工时间服从伽马/对数正态先验分布时,在概率意义上是全局最优的。4、考虑半导体薄膜扩散区的一类扩展柔性作业车间调度问题,采用有向无环图表示柔性加工顺序,进而建立问题的混合整数规划问题模型,研究一种融合自编码神经网络和因式分解机的布谷鸟算法。该算法针对高维组合问题高效寻优难的挑战,应用改进独热编码将布谷鸟算法的种群映射到欧式空间,并给出一种基于自编码神经网络的算法种群降维技术;首次采用因式分解机挖掘决策变量间耦合关系,进一步增强算法局部搜索能力;进而构建适用于大规模调度问题求解的低维+高维解空间并行搜索框架。基于大量基准实例和随机生成数据集的数值仿真与算法比较表明,本文研究的几类融合机器学习与群体智能的调度方法可以在合理的计算时间内,获取性能优秀、鲁棒性强、置信度高的高质量调度方案,具有一定的工业应用潜力。