目前国内外主流的排程算法采用神经网络、遗传算法。几种算法个有优点和缺点。
遗传算法: 理论基础为优胜劣汰、和XY染色体随机组合。
神经网络：理论基础为生物神经网络。通过不断地寻找和组合神经元 寻找最优路径和最优算法。
遗传算法:
优点：根据XY染色体的配对关系能够准确的寻找工艺生产搭配方式，又根据优胜劣汰的生物竞争法则寻找最佳搭配方式，最终寻找出最优的生产路径。
1. 与问题领域无关切快速随机的搜索能力。
2. 搜索从群体出发，具有潜在的并行性，可以进行多个个体的同时比较，robust.
3. 搜索使用评价函数启发，过程简单
4. 使用概率机制进行迭代，具有随机性。
5. 具有可扩展性，容易与其他算法结合。
缺点： 依赖初始条件，条件的更改反应慢。对应时常更改需求的应用来说是一个挑战。
1。没有能够及时利用网络的反馈信息,故算法的搜索速度比较慢，要得要较精确的解需要较多的训练时间。
2。算法对初始种群的选择有一定的依赖性，能够结合一些启发算法进行改进。
3。算法的并行机制的潜在能力没有得到充分的利用，这也是当前遗传算法的一个研究热点方向。
神经网络：
优点：神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场。
缺点:
（1）最严重的问题是没能力来解释自己的推理过程和推理依据。通过寻找神经元、组合神经元的方式获得路径。
（2）不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。
（3）把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。
（4）理论和学习算法还有待于进一步完善和提高。
