调度环节在实践中对生产效率起到了关键的作用，调度问题有很多实践的原型，形式多变，应用价值高，大多数调度问题是经典的NP难问题。考虑到目前我国中小企业的主要结构模式是订单式人工作业系统，其随机性较强、柔性大、资源受限，增加了研究的难度。很多学者对调度问题展开了研究，基于元启发式的方法是目前最广泛使用的方法，而混合优化算法是目前的热点发展方向。本文的研究在国家自然科学基金和省基金的支持下进行，在分析调度方法研究现状的基础上，对系列调度问题展开了理论分析和算法研究，具体研究内容和成果如下：1、加工时间随机条件下优先规则失效的风险评估。优先规则在生产实践中经常与其它的方法结合使用，但在随机不确定情况下，对规则失效进行系统理论分析的不多。在实证分析支持下，假设作业时间服从指数分布，对基于作业时间的优先规则的失效率运用概率论的方法，对于两个、三个作业的情况给出了失效率的解析解及敏感性分析；对多个作业的情况用数理统计的方法给出数值解。从而补充了这部分理论研究，有一定的实用价值。2、基于粒子群和遗传算法的生产调度算法。遗传算法是在生产调度算法中使用最广泛的元启发式算法，但其效果受初始种群的随机性影响较大。本文在初始化阶段结合粒子群算法，利用粒子群算法时空耗费少、操作简便、高效信息共享机制的特点，为遗传算法提供进化的主要方向，减少遗传算法不同次迭代的相对偏差。分析了改进前后的算法时间、空间复杂度。并分别对置换流水车间问题、车间调度问题提出了有针对性的编码，在标准数据库的实验结果验证了其有效性。3、基于混沌粒子群和遗传算法的柔性车间调度算法。首先，分析一种常用的优先规则Kacem准则的不足，从而提出兼顾机器负荷和工序次序约束的改进的Kacem分派准则，然后结合随机化思想进行初始化。接着，以遗传算法为框架，采用两层的编码机制，同时结合混沌粒子群以增强搜索的全局遍历性，为柔性作业车间调度问题提出了一种混合遗传算法。通过Brandimarte数据库的横向对比说明了该算法的有效性。4、具有学习效应的人工柔性作业系统的调度问题模型与算法。人工作业系统有着柔性高、随机不确定性强、学习效应显著的特点，其调度问题的研究具有较大的难度，目前国内外研究较少。本文通过分析其与柔性工作车间调度之间的异同之处，构建了具有学习效应的人工作业系统调度模型：以工作小组为单位，缩小问题规模；通过对工序进行分类，拓展学习效应。然后，在柔性车间调度的基础上，通过动态更新加工时间矩阵，提供有效的启发式信息引导寻优，实现具有学习效应的人工柔性作业调度算法。通过Brandimarte数据库的扩展测试，表明算法在不同分类数和学习率下的有效性。5、基于改进的分散搜索和类电磁机制的资源受限项目调度算法。首先，针对传统分散搜索在维持两层结构过程中出现的问题，提出了对分散搜索参考集更新策略的改进，扩展了分散搜索算法，增强了算法的鲁棒性。然后，针对一些优秀解由于距离约束利用不均衡的缺陷，提出了有效利用次数的概念，并基于该机制均衡地利用优秀解，同时保持解的优秀性和多样性。接着，在分散搜索的交叉操作中，嵌入了类电磁机制算法，通过改进类电磁力的计算，扩大了交叉操作寻优范围，进一步系统搜索解空间。最后，在PSPLIB数据库的实验结果表明该算法对于资源受限项目调度问题的有效性，本算法相比国际当前的优秀元启发式算法是有竞争力的。