生产调度的模糊建模方法分为数学描述型和参数辨识型.数学描述型的方法主要指基于运筹学的方法,包括模糊线性规划、模糊整数规划、混合整数模糊线性规划、模糊动态规划等;而参数辨识型在生产调度中的应用主要有模糊专家系统、粗糙集方法和模糊聚类方法、模糊神经网络、模糊Petri网、模糊Agent理论、算法模糊建模等方法.这些在本文中都有论述.现有模糊算法主要有以下两种:一种是在给定置信水平的情况下采用模糊模拟的思想(即对模糊集进行抽取);另一种模糊算法是将模糊约束和模糊目标等同考虑.这两种算法在本文中也有介绍.本文的重点是提出了一种基于模糊规划的间歇过程生产调度建模方法及其模糊优化的新算法.应用模糊集合论的方法,在现存的模糊规划模型的基础上,针对间歇过程,提出了一种新颖的通用模糊建模的方法.通过分析生产调度中存在的模糊信息以及出现的形式和方式,把确定型生产调度模型的约束条件和目标方程中的参数模糊化,采用非精确的量化形式,以隶属函数来表示,建立起基于模糊参数生产调度的模糊线性规划模型MIFCLP.针对此类模糊规划模型,给出两种基于遗传算法的模糊优化方法.算法中参数的参数隶属函数选取灵活,模糊表示方式适当.该算法应用了机会约束多目标规划的形式和替代隶属函数的不满意函数,并且提出分级构造初始种群的策略,嵌入了模糊约束的知识.仿真结果表明该算法在搜索效率、解的精确性和鲁棒性上都优于其它现存模糊优化算法.作者在第三章和第四章对一个调度问题实例进行了仿真,通过仿真结果,验证了模糊模型的有效性、灵活性和实用性以及模糊算法的高效性.文章的最后,作者总结全文,指出了有待于进一步解决的问题,并对生产调度的模糊建模和模糊算法的前景做出了展望.