车间调度问题是一个很重要而且很复杂的任务，具体来说，车间调度就是对以可用的加工机床集在时间上进行加工任务集分配，以满足一个性能指标集。为了有效的解决这类问题，一个新颖的优化方法就是和人工神经网络相结合。Hopfield神经网络的理论基础是基于动力系统的Lyapunov能量稳定定理，并适用于无约束的的优化问题。如果一个网络系统是稳定的则当它达到平衡状态时，能量达到最小。Hopfield神经网络用惩戒违反约束条件来将一个带有约束条件的问题变成一个无约束条件的问题。在最优解和满足约束条件之间通过强制设定惩罚系数来实现平衡。但是，Hopfield神经网络可能有很多的局部极小，而且解的质量很依赖于初始解。 本文做了以下工作： 1．系统地研究了调度的理论及其发展状况，针对我国国有企业车间生产控制中存在的问题提出了一种具有完善的理论和实践基础、可行性较高的解决方案，给出JSP问题的描述和数学模型。 2．介绍了神经网络应用于JSP问题中的应用分析，考虑了在生产调度过程中约束条件，对Hopfield换位矩阵做出相应的约束，强制矩阵中的某些元素为0。 3．在现有算法的基础上，对Hopfield算法进行改进，提出了具有三层神经网络结构的Hopfield算法与模拟退火法相结合的混合优化策略求解JSP问题。 4．利用BP网络的学习功能建立带有智能的车间算法管理系统，BP网络经过训练，记忆计算结果最优的算法，并在每次进行车间调度时优先考虑该算法。