半导体材料中使用最多的是硅（Si）,而经过提纯的单晶硅在集成电路领域的地位举足轻重,不管是当前还是未来很长时间也不会发生动摇。直拉法是制备单晶硅的主要技术方法,制备过程不仅工艺复杂、制备周期长,同时制备过程中用到大功率热系统,会产生较高的能耗,在规模化生产硅单晶的过程中,容易出现峰值功率超过工厂最大电力负荷从而产生安全隐患,而针对峰值约束下的问题,人工调度无法对全局资源进行把控,会导致生产效率低,生产成本提高。因此,本文针对规模化硅单晶生产过程优化调度问题,同时考虑多个约束条件,对确定加工时间以及不确定加工时间的规模化硅单晶生产过程进行调度优化。主要的研究内容如下:（1）直拉法生产硅单晶的过程中不同工序的功率不同,若多个高功率的工序在同一时刻开启会导致峰值功率过大从而出现安全隐患。因此,本文在考虑多台单晶炉功率峰值约束以及硅单晶生产工艺约束,在加工时间确定的条件下,以最终完工时间最小化为目标函数,建立有等待时间的硅单晶生产过程优化调度模型,并采用改进自适应粒子群（GPSO）算法进行求解。为了提高GPSO算法求解过程中种群的的多样化以及收敛能力,防止算法进入局部最优中无法跳出,对GPSO算法采用两层自适应措施,分别是针对种群迭代过程中每一代的最大变异、交叉概率和每一代种群中每个个体对应的交叉和变异概率。最后在仿真实例中将改进算法与其基础算法在不同规模的调度问题上的求解结果进行对比,表明改进GPSO算法在求解模型上要优于其他三个算法。（2）在等待时间固定模型的基础上,考虑等待时间在生产过程中可变的特性,建立等待时间可变的硅单晶生产过程优化调度模型。由于改进GPSO算法在求解过程中时间复杂度过大导致运行时间过长,因此本文提出一种引入异维变异思想的多策略个体自适应变异的差分进化算法（MSIADE）来求解模型,该算法在变异操作中引入异维变异策略,同时采用多策略变异思想均衡算法能力,并使用（1）中提出的自适应方式,根据适应度值排序为每个个体分配不同的变异因子来增强算法能力,并在交叉操作中引入“精英”交叉操作来提高算法的收敛性。在不同规模的标准测试函数上运行,通过分析收敛结果以及对数收敛图对算法性能进行评估,再针对基于硅单晶生产过程调度模型对该算法进行实例仿真,将改进前与改进后的模型结果以及人工调度结果进行对比,体现出改进模型和所提算法的优势。（3）在等待时间固定模型的基础上,进一步考虑实际生产过程中加工时间是一个范围的情况,采用三角模糊数来表征不确定的加工时间,对不同型号单晶炉生产不同尺寸硅单晶棒的模糊加工时间进行定义,建立目标函数为最小化最大模糊完工时间的硅单晶生产过程订单调度模型。采用MSIADE算法以及变邻域搜索算法来求解模型,在考虑模糊加工时间的情况下对生产订单进行调度,使得模糊完成时间大大减少。在实例仿真中与人工调度方案进行对比,表明本文所提出的模型可以通过合理分配不同单晶炉的生产数量以及生产顺序,达到提高生产效率的目的。最后加入Matlab GUI人机交互界面,对算法求解过程进行封装。根据实验结果表明,通过合理分配订单任务可以大大提高企业的生产效率,降低生产成本,提高企业的竞争力。