1、該文采用將其分解為上下兩層分別進行優(yōu)化,即管理層(生產計劃和調度)的優(yōu)化和操作層(生產裝置的操作控制和系統(tǒng)內集成)的優(yōu)化.上層在接到外界輸入的信息后做出決策,并把它下達到下層,下層在接到指令后,通過計算機進行模擬與優(yōu)化,并把信息反饋到上層,如此反復直到得到一個較優(yōu)的生產方案.該論文分別針對上下兩層中的生產計劃優(yōu)化和質量交換網絡優(yōu)化進行了以下研究.1 論文在分析現有質量交換網絡綜合方法不足的基礎上,提出了利用遺傳算法進行質量交換網絡綜合的

2、超結構模型,并提出采用遺傳算法對超結構模型進行優(yōu)化的實現方法.通過實例優(yōu)化分析說明提出方法的有效性.2 針對不確定環(huán)境下的生產計劃的優(yōu)化問題,分別對產品和原材料需求與供給不確定情況下和產品及原材料價格不確定環(huán)境下兩種情況進行研究.3 開發(fā)了基于實數偏碼的多目標遺傳算法,該算法通過測試函數測試表明具有較強的收斂到全局非劣解的能力并具有較好的非劣解分布.最后將多目標遺傳算法應用于價格不確定環(huán)境下的生產計劃的優(yōu)化問題,通過計算表明采用多目標遺