基于计算智能的不确定调度优化理论及应用研究

生产调度是连接企业经营管理和生产过程控制的关键环节。生产过程中不可避免地存在着多种不确定性，研究不确定环境下的调度策略已成为工程实际的迫切需要，其关键是调度建模及其优化求解。本项目基于粗糙集、神经网络、微粒群算法探索解决不确定环境下生产调度实时优化难题的有效途径。从复杂工业过程的大量数据信息出发，采用粗糙集获取过程的深层次知识和不确定性描述；提出粗糙神经网络的模型结构和学习理论，建立不确定环境下的调度模型；将粗糙集与微粒群算法相结合，提出知识引导的调度优化求解新方法；采用灵敏度分析和数值仿真来研究调度策略的鲁棒性、适应性，提出性能实时反馈的优化调度系统设计方法；以油品生产和储运过程为背景进行应用研究，考察理论方法的有效性，形成具有普遍指导意义的反馈调度优化理论。本项目的研究将为不确定环境下的优化调度提供新的研究方向和思路，为优化调度的工程应用提供理论依据，具有十分重要的理论意义和应用价值。