（3-1）
那么关联矩阵为：
（3-2）
设半产品、产品的初始存储量为O0?[O30,O40,O50,O60]T经过图 4-2 所示的加工变迁后半产品、产品的存储量而变迁节点的工作量负载为
O?[O3,O4,O5,O6]T,那么结合相关的关系式可得生产加工系统库存点物品存储的变化量：
（3－3）
上式中 C 为关联矩阵，因此离散加工完成后库存点物品库存量O为
O??O?O0 （3-4）
式中加工前半产品、成品初始库存量。
3.1.2生产调度模型约束条件
生 产 过 程 工 作 量 负 载 优 化 的 核 心 问 题 是 设 定 合 理 的
工 作 量 负 载示因此首先要保证各工作量iW
以及由此产生的存储量 O 都不能超过生产系统所允许的最大范围，并且保证要有符合要求的产品输出。
假设企业根据用户的订单或由市场预测得到产品最佳的生产量为
，那么规划量 W 首先要保证所得的产品量满足：
（3-4）
工作量载存
点
的
极
限
为整数，而且不能超过工作台的最大负
半成品和成品的库存量不能超过库存
储
容
量
，也不能为负值，即：
（3-5）
3.1.3生产调度模型成本模型
在约束条件基础上使得生产成本达到最小，生产成本为加工费用和库存费用总和，假设库存费用主要由半成品和成品的库存费用组成，那么通过确定最优工作量负载就可以达到生产成本最小，从而提高企业的市场竞争力。
基于图3-2的基础上，我们假定
，其中k1i 表示的是
第i道对产品处理的工序 Wi情况下的单位成本，整个加工流程的全部支出可以
表示成参量K1W。假定
，其中k2i所表示的涵义是第
i个库存点情况下的单位储存开支，其全部的储存开支可以表示成参量：K2O，推导出全部的生产开销函数式表示为：
（3-6）
因为难以优化，因此，需将优化的对象改变成处于受到一定制约性条件的（3－4）以及（3－5）环境中的求解过程，并展开相关的规划函数式如下：
（3-7）
从式（3－7）可知，如所引进的函数fi(Wi)全部为 1 时，其建立的模型将和文献建立的一样，相关的文献已经详细的论述并且给出了优化实例，但是实际生产过程中，要满足各加工工序变迁使能，往往出现fi(Wi)为函数的情况，那么（3－7）将成为非线性整数规划问题，本文将着重讨论非线性整数规划的优化问题。
3.2生产调度模型求解方法
生产调度过程工作量规划模型的求解是通过精确求解解析模型获得最优解，
或通过近似求解获得次优解。求解方法一般是从全局的角度出发，在所有的装置、操作任务和感兴趣的时间段内进行搜索，能够得到优化解，许多学者在研究过程中一般根据实际对象选用传统的优化算法或现代智能优化算法。
从上节建立的生产调度过程工作量规划模型（4－7）可以看出，当fi(Wi)为函数的情况时，该模型是存在比较强的约束条件的 NP 复杂问题，而且存在整数约束条件:
，因此传统的优化算法如
共扼梯度法、拟牛顿法等难以求解，因此必须运用现代智能的优化算法来求解。
与传统最优化算法相比，各种单一智能优化方法明显的优势在于：优化方法相对比较简单；计算效率高，能显著地节省计算开支；算法灵活多变，在考虑多种方案和不能用定量表示约柬集合时，常能把它作为制定计划的工具。但是，单一智能优化方法也有明显不足之处，即有可能出现所产生的解比全局最优解差很多的情况，而且差的程度总是不够明确。因此如何设计一种混合各单一优化算法的长处的算法来优化该模型成为本文的主要内容。
4优化生产调度过程实例描述
对于制造商及其公司而言，他们所需要解决的问题主要是生产调度问题，也即Job—shop调度。该课题也凸显出明显的实用性，其地位在企业制造商的实际生产过程中越来越重要。
根据相关的研究发现，在整个制造行业中，全部运营开销费用中，至少有约10％~20％的开支和加工的顺序存在着内在的关联性。倘若对生产调度中的若干个步骤秩序加以合理地布置与调整，那么即能够明显地省却不必要的加工费用及其相关的时间维度，压缩生产周期时间，从而推动资金更为顺畅地周转，在减少公司运营成本费用的同时，强化生产效率。因而，有关生产调度的优化问题始终都是诸多学者们所青睐的一个重要问题。本章节正是对有关生产调度的优化过程课题展开相关的研究。
4.1问题的提出
Job—shop调度课题中，关注的焦点是如何使得生产调度的时间最小，花费的时间最少，在同等的情况下，提高工作的效率。在制造行业环境下，生产调度的优化也即寻求整个生产的运营流程所需要的完工时间最少，当然该生产调度的要求肯定受到一定条件的制约效应，其运作的承载体主要是数个相异的工作机器，在这些机器及其相匹配的工序上寻找最恰宜、最实惠的调度方案，达到省时、高效的目的。事实上，该问题属于NP范围，要想成功地解决该问题并不简单，因为不存在多项式时间复杂度的情况，也自然难以寻求确定的演算方法来求得合适的答案。
当下，许多国内外的学者都关注该话题，并针对性地展开了不同程度的研究。具有代表性的研究方法即借助于贪婪式的理念来构设部分具有启发性的演算方案，从而获得相关优化问题的近似解。然而，该方法所可以寻求到的只是次最优解。虽然应用穷尽的方法可以获得该问题的最优解，但必须花费巨大的演算量，因此，该方法大多数只适合运用在设备数不大的情况下(大多数不超过15)。因而有关Job—shop生产调度的优化过程，主要有最佳算法以及次最佳算法2种。其中，前者指的是的可以获得最优解的演算方法，常见的有分支定界法以及割平面法等；后者指的是在有效的时间环境下寻求解决问题的答案，常见的是传统型的