工时定额管理是企业的一项重要基础管理,是企业计划管理、经济核算、生产进度调控的重要依据。查标准工时定额表法是一种常用的、重要的工时定额计算方法,但在计算非标准结点时误差较大,难以制定较精确的工时定额。人工神经网络和遗传算法是近年来逐步应用成熟的人工智能算法,它们在函数逼近、数据拟合、结构优化等方面的应用越来越广泛,计算精度比较高。因此,从提高工时定额计算精度的角度出发,研究基于人工智能的工时定额计算方法,对于提高企业的生产管理水平、优化设备利用率以及科学计划产品生产周期都具有重要的意义。本文采用人工神经网络技术和遗传算法来训练和计算工时定额,深入研究了神经网络设计、遗传算法设计、遗传神经网络等关键技术,并通过原型系统的开发和初步应用验证了基于遗传神经网络的工时定额计算方法的准确性和先进性,为基于人工智能的工时定额计算技术的发展进行了有益的探索。论文在理论与实践中的主要研究成果如下:(1)基于标准工时定额表的特点,首先分析了神经网络中的隐层结点确定方法、训练算法和数掘归一化等关键技术环节,讨论了样本、神经网络结构及收敛误差等因素对神经网络泛化误差的影响,最后在MATLAB中建立了神经网络训练模块及计算模块,并通过具体的应用验证了神经网络训练工时定额的优越性。(2)针对BP神经网络存在的易陷入局部最小值、全局搜索能力差等缺点,采用遗传算法对神经网络的参数进行优化。提出了采用实数编码来实现遗传神经网络,并对遗传算法中的选择、交叉、变异等操作进行了分析及改进,最后以实际应用验证了基于遗传神经网络的工时定额计算方法的有效性。(3)基于MATLAB 6.5与Visual C++6.0混合编程技术,设计开发了基于遗传神经网络的工时定额计算原型系统,详细论述了数据预处理、神经网络训练、遗传算法优化、神经网络模型管理、工时定额计算、快速训练及计算等模块的功能。实际应用表明原型系统具有较高的计算精度,可以独立于MATLAB运行,通用性较强,具有一定的实用价值。