1.1目的及意义

随着市场竞争的加剧和市场需求的多样化与个性化，制造企业面临着越来越大的运营压力。在有限的加工能力下，要为顾客提供个性化，高质量的产品与服务，就需要高效的作业车间调度。作业车间调度（Job shop scheduling problem, JSP）是调度问题的一个分支。是在满足机器和其它资源约束以及加工顺序要求下的组合优化问题。作业车间调度一般是在满足机器和其它资源约束的前提下优化一个或多个运作目标，例如使机器处理完所有作业的平均加权拖期最少等。

作业车间调度可表示为：有个作业和台机器，每个作业必须按照一定的次序在特定的机器上依次处理。每个作业包括道必须依次处理的工序，其中()表示作业的第道工序, 为作业的工序数量。每个机器必须连续性的处理作业，且同时只能处理一项作业。

因为车间作业调度问题的研究有很高的理论和实际价值，所以在过去的几十年中引起了很多研究人员的兴趣，同时也提出了许多调度方法。然而，由于其动态性质和实际生产系统组合的复杂性，大多数理论调度方法在实践中难以应用。动态作业车间调度最实用的方法是使用优先调度规则（dispatching rule）。调度规则是一种简单的启发式方法，他从作业的属性中获取优先级索引，然后将工作以最高的优先级排序。调度规则由于在算法求解时具有较低的时间复杂度，并且具有针对动态变化和扰动及时做出响应的能力，使它非常适合用于求解这类实际生产中高度复杂的动态作业车间调度问题。

1.2国内外研究现状

针对优先调度规则，近年来，国内学者们主要采用仿真的方法来模拟动态的作业车间，比较在不同的调度方案下系统性能指标的差异并进行分析，对调度规则的性能做出评价从而选择合适的调度规则。

熊禾根等^[7]针对工件批量到达的动态车间作业调度问题考虑工序相关性进行了研究，提出了一种调度规则组合及启发式算法，并对各种调度规则的性能表现进行了比较评价。

金峰赫^[9]等基于装配作业问题，提出了考虑设备特性的组合调度规则。他们以减少工件的平均流程时间和提高自动设备夜间运载率为目标，提出了一系列组合调度规则。经分析仿真调度结果，表明所设计的组合调度规则在目标性能指标上的表现优良。

国外学者对车间调度问题的调度规则算法、仿真实验研究较早较全面。

Toru Eguchi和Fuminori oba^[1]提出了一种基于神经网络的两阶段训练法来求解作业车间调度规则。该方法第一阶段是将调度条件分为有限的调度条件和特定的调度条件，通过模拟退火方法，对各特定条件下的有效神经网络进行了单独训练。在第二阶段中，将所有特定调度条件的神经网络集成到一个鲁棒性的神经网络中。该方法可以很好的解决在求解调度规则时要将所有调度条件考虑在内带来的耗时长及不切实际的问题。