军用车辆维修保障资源调度优化问题是装备维修保障系统中的一个核心问题，资源调度的不合理往往会出现部分资源严重短缺或扎堆的现象，直接影响装备的战备完好性和机动能力。长期以来，装备保障维修机构在面对具体维修保障任务配置或调度维修保障资源时，都是依据历史记录和经验数据，采用直接计算法、类比计算法以及传统网络计划技术进行优化，经验成分多，准确性不高，缺少理论支持。近年来，部分研究人员进行了相关智能优化算法研究，取得了部分成果，但由于单一算法本身的局限性和军用车辆维修保障资源调度优化问题其约束条件的特殊性、复杂性，算法的效率和性能有待提高。因此，调度优化算法需要改进，在提高算法效能的同时，使得算法结构设计更符合实际维修保障资源调度情况。军用车辆维修保障资源优化调度问题属于资源受限项目调度问题（RCPSP）范畴，但前者约束条件更多，求解RCPSP的算法不完全适用，而且此类问题的一个显著特点是当问题模型的条件稍加改变，原来的算法可能不再适用。本文从四个方面对维修保障资源受限调度优化问题进行了研究，提出了一种混合粒子群-遗传算法，并针对四个相关的研究内容，对算法进行了相应改进，以实际的维修保障资源调度优化问题为例，进行了算法的验证。（1）“工期固定-资源均衡”调度优化问题。本文研究的维修保障资源均衡调度优化问题，其工序的作业时间是“确定”已知的，其优化目标是工期内“资源强度均衡”。本文在研究已有算法的基础上，提出了一种基于工序实际开工时间的实数编码方案，设计一种基于动态时差的混合粒子群-遗传算法，在粒子群算法中引入精英保留策略和变异操作，利用遗传算子重构粒子群，进行了粒子群进化策略上的改进。以某型修理工程车展开作业资源调度问题为例，采用本文设计的算法求解，得到的最优调度方案比初始方案的资源强度降低89.6%，人力资源需求量降低12.5%。与遗传算法、基于分支定界策略的近似算法求解结果进行比较，实例证实了本文算法的可行性和有效性。（2）“资源受限-工期最短”调度优化问题。本文研究的维修保障资源受限调度问题，是在满足时序约束和资源约束的条件下、各工序的作业时间“不完全确定”情况下，合理的调度工序和人员，以达到“工期最短”的优化目标。本文以某型军用车辆维修保养的三级保养工艺流程为例，提出了基于工序和人力资源双重实数编码方案，设计了一种新的并行调度方案用于解码。在算法上引入了Logistic映射技术，利用混沌系统的遍历性特点，帮助粒子逃离局部最优。根据编码方式的特点，对粒子群更新策略进行了改进，在精英保留策略的基础上，对常规种群采用交叉算子代替标准粒子群更新机制，形成混合混沌粒子群-遗传算法。最后，以某型车辆维修保养的三级保养工艺流程调度优化问题为例，用本文设计的算法求解，将人均工时13小时缩减为8.8工时，效率提高32.3%。然后分别在不同数量、不同级别维修工配置组合下，对求得最优调度方案进行了对比分析，并分别与遗传算法和基于维修经验的优先规则算法求得的最优结果进行了比较。实例表明，本文设计的算法要优先其他两种算法。目前，根据该方法编制的核心算法已应用到总装维修改革项目“车辆装备保养工艺流程规划辅助决策系统”。（3）多目标调度优化问题。以“工期固定－资源均衡”和“资源受限－工期最短”研究成果为基础，根据维修保障资源调度过程中，决策者关心的最大完工时间、人力资源总负荷和关键人力资源负荷的三个评价指标，建立了多目标维修保障资源调度模型。在混合混沌粒子群-遗传算法的基础上，基于Pareto最优解，根据多目标优化问题的特点，对算法从并行调度方案、适应度分配、粒子个体极值和种群极值选择、粒子群更新策略几个方面进行设计和改进。以某型车辆维修保养的三级保养工艺流程调度优化问题为例，分别用本文设计的算法和多目标遗传算法求解，结果表明，本文算法要优于多目标遗传算法，验证了算法的可行性和有效性。最后采用加权法对求得的Pareto最优解进行评定，选出符合决策者的最满意方案。（4）多目标模糊工期调度优化问题。相对于之前研究的确定性资源受限调度优化问题，提出了不确定性维修保障资源调度优化问题。引入模糊工期概念，对模糊工期的维修保障资源调度模型进行了描述，提出了模糊完工时间、关键人力负荷和满意度三个评价指标。针对具有工序模糊作业时间和模糊工期的调度问题，采用一般三角模糊数和梯形模糊数分别表示作业时间和工期时间，设计了模糊并行调度方案。采用改进混合粒子群-遗传算法用于车辆的三级保养工艺流程模糊调度，对求得的Pareto最优解集进行了结果分析，分析了不同评价指标对调度方案的影响。实例结果表明，本文算法求解结果与实际情况相吻合，较之精确调度，更加具有可操作性，为调度部门制定合理的调度方案提供了理论支撑。最后对全文所做的研究工作进行了总结，对论文创新点进行了归纳，指明下一步可以进行深入研究工作的方向。