为了提高车间作业效率,自动导向搬运车（Automated Guided Vehicle,AGV）被越来越多地应用到智能制造车间中。生产调度是执行生产计划、合理配置资源的关键环节,传统车间调度问题多以加工机器资源为中心。为了进一步提高系统的性能,将制造车间的生产和物流两大要素结合起来,对加工机器与配送AGV进行双资源集成调度成为智能制造领域的一个新的研究热点之一。为此,本文对AGV物料配送与作业调度集成优化算法进行了研究。本文对柔性作业车间调度（Flexible Job-shop Scheduling Problem,FJSP）问题进行分析,重点考虑了工序与机器排产约束,选取最小化最大完工时间作为优化的性能指标,建立FJSP数学模型,研究AGV系统在作业车间中的运载方式,分析并选取工序分派策略与装载站驻留策略。在FJSP数学模型的基础上,对FJSP与AGV集成调度问题（FJSP-AGV）进行分析,考虑AGV在装载站、卸载站与机器之间的空载与负载两种运行状态,确定增加AGV选择后问题的约束条件,进而建立FJSP-AGV集成优化问题的数学模型。针对FJSP问题,提出了一种改进鲸鱼优化算法（Improved Whale Optimization Algorithm,IWOA）。设计了工序加工与机器选择的双层编码方式和机器贪婪解码方案,并据此给出了混合种群初始化策略,为进一步提高算法自适应能力,提出一种非线性收敛因子和自适应改进策略。与原始WOA算法相比,IWOA算法在给定的性能指标下能取得更好的结果。针对FJSP-AGV问题,提出了一种混沌麻雀算法（Hénon Sparrow Search Algorithm,HSSA）。设计了一种针对工序排列、机器选择和AGV选择的三层编解码方式;引入Hénon混沌映射优化初始种群,通过安全值、发现者和侦察者参数的自适应改进与跟随者的多项学习策略,提升全局和局部搜索能力,加快算法的迭代速率。与SSA算法相比,提出的HSSA算法具有更好的优化性能表现且收敛速度更快。