在制造业的生产计划管理方面,按照单项目无能力约束的批量生产计划制定的计划方案在实际执行过程中效果不是很理想,其中主要的原因是所作的批量计划方案超出了正常生产能力。有限能力约束的多项目批量生产计划,即CLSP问题(Capacitied Lot Sizing Problem)考虑了生产能力约束,利用这种计划做出的生产方案克服了无能力生产计划所遇到的问题。一般用智能优化算法求解CLSP问题,模拟退火算法、人工神经元网络、遗传算法、禁忌搜索算法以及这些算法的混合使用是近年来解决优化问题的主导方法,本文采用多级退火遗传算法解决这一问题。 遗传算法是解决CLSP问题普遍采用的方法,做到了w-w动态优化和lot-for-lot方法的优势互补。对于一个典型的CLSP问题的求解,此前的遗传算法的优化结果不是十分的理想,本文结合了遗传算法和模拟退火算法,把Boltzmann机制、移民策略和罚函数引入到遗传算法中来,在算法中注意时刻保留最优值,既保证了算法能够跳出局部最优,又保证了在算法寻优过程中适应度保持逐步下降的趋势,直到找到满意的解。根据银鸽公司的现实需要我们设计了一个企业资源规划系统,其中决策支持部分的批量生产计划的制定采用了这种多级退火遗传算法,并且取得了满意的结果。