半导体生产线的调度问题通常面临着大规模、评价费时、不确定等难点。该类环境下的调度任务除了希望获得高质量的调度方案外,对调度方法的高效性和实时性也提出了更高的要求。本文以半导体生产线为研究背景,以缩短获取最优调度方案所需时间为目标,围绕调度过程中的诸多难点,研究了仿真模型简化方法和高效智能调度算法,本论文具体研究内容如下:1、针对仿真模型评价调度方案耗时过长的问题,研究一种基于选择性聚类集成算法和约束理论的仿真模型简化方法。在该方法中,首先采用选择性聚类集成算法对模型中设备的重要性进行准确度量;然后根据约束理论建立简化仿真模型;最后,为衡量模型精度,建立了模型误差测量方案,并构建一种仿真模型闭环校正结构,以保证简化模型在不确定环境下的鲁棒性。2、针对加工时间带有噪声的一类随机不相关并行机调度问题,以最小化最大完工时间为调度目标,研究一种遗传算法和最优计算量分配技术相融合的高效智能调度算法。该算法将求解过程分解为快速搜索和精确搜索两个阶段,并采用遗传算法作为智能搜索机制,通过最优计算量分配技术合理分配由重复估计适应值带来的巨大计算量,从而加速遗传算法搜索进程,提高算法效率。仿真实验表明,本文研究的仿真模型简化方法和高效智能调度算法可以有效地解决调度过程中仿真耗时长、计算量大的难题,具有较强的实际应用价值。