1.1研究目的和意义：

车间调度问题（Job-shop scheduling problem，JSP）在各种调度问题中是最基本的一种，属于NP-hard问题的一种。这个问题广泛存在于各种加工流水线和运输调度之中，如汽车流水线调度、港口调度、机场飞机调度等。目前依然没有可有效解决该问题的通用方法。不过，虽然各种方法都有各自的缺陷，当前已经发展出了多种算法可以在一定程度上优化该问题。

其中，模拟退火算法是一种基于概率的算法，有跳出局部最优达到全局最优的可能性：从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。

人工神经网络模型是一种模拟人脑神经网络的简单模型，人工神经网络是并行分布式系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。

本文旨在寻求车间调度问题结果的优化，首先介绍神经网络、模拟退火算法和车间调度模型的概念，然后使用神经网络优化退火算法，并用标准算例对混合算法性能进行了验证。最后编写智能调度系统。

1.2国内外的研究现状分析：
国外：Hybrid Genetic Algorithm for Solving Job-Shop Scheduling中S. M. Kamrul Hasan, Student Member等人采用了一 种超遗传算法，用其对传统遗传算法进行优化。
Multi-objective Flexible Job-Shop scheduling problem with DIPSO: More diversity, greater efficiency中Carvalho; L.C.F.用进化计算对复杂车间调度问题进行了优化。
Application of genetic algorithm to optimize unrelated parallel machines of flexible job-shop scheduling problem中Hao-Chin Chang , Hung-Te Tsai , Tung-Kuan Liu改进了遗传算法来解决FJSP。
国内：《基于改进遗传算法的柔性车间调度问题的研究》（曹睿 侯向盼 金巳婷）提出一种求解该问题的改进遗传算法，结合具体情况改进了参数，提高了效率。
《车间调度问题的技术现状与发展探究》（邢少群 杨乾符 刘强 王亚辉）中比较了各种现有算法，提出智能化对算法的使用有重要意义。
《求解混合流水车间调度的改进贪婪遗传算法》（宋存利）提出了一种改进贪婪遗传算法，采用了正序解码和逆序解码加再调度并用的解码策略。

2. 研究的基本内容与方案

2.1研究内容：

一般类型的JSP问题可表达为：n个工件在m台机器上加工，每个工件有特定的加工工艺，每个工件加工的顺序及每道工序所花时间给定，安排工件在每台机器上工件的加工顺序，使得某种指标最优。

2.2研究目标：