人工智能在生产调度中的应用与决策研究

"这篇浙江大学的博士论文探讨了人工智能在生产过程中的智能决策与调度应用，主要涉及机器学习技术如何在生产环境中解决复杂的调度问题。论文深入研究了生产系统的分级、混合整数线性规划模型、动态甘特图、状态任务网、模拟退火算法以及模糊决策支持的生产调度系统。此外，还提出了面向约束的稳定度概念以优化调度策略。" 论文首先分析了生产系统的分级问题，提出了一种分级的生产系统模型，该模型有助于清晰地定义任务和信息流，方便管理和分析。接着，研究了生产计划的制定，包括长期和短期计划的混合整数线性规划模型，以应对生产中的突发情况，如急件产品或设备故障。 为了解决调度的复杂性，论文引入了动态甘特图，这是一种可视化工具，能够快速辅助决策者做出响应。同时，基于状态任务网的化工过程调度模型和约束指导的模拟退火算法被提出，用于解决高维和非线性问题，提高算法的收敛速度。 论文还关注了决策者的智能作用，构建了一个基于分散式模糊神经网络的决策支持系统。这个系统能学习并提取调度经验规则，通过自适应动量和步长解耦的伪牛顿算法加速学习过程，适于在线应用。 最后，论文提出了面向约束的稳定度概念，用于评估和选择调度方案，以减少再调度次数，提升生产稳定性。通过考虑约束的满意程度，确保所选调度方案在目标值和约束条件之间达到平衡。 这篇博士论文对人工智能和机器学习在工业生产中的应用进行了深入研究，为实际生产过程的智能决策与调度提供了理论依据和实用方法，对于提高企业的经济效益和优化生产管理具有重要价值。