近年来,随着物联网、云计算、大数据等信息技术与制造业的不断融合,孕育出一种新的制造模式—物联制造。在这种制造物联环境下,制造企业的生产过程已由传统的“黑箱操作”模式向“多维度、透明化、泛在感知”的全新模式转变,对生产过程的实时监控和动态优化提出了更高的要求。同时,作为保证生产过程高质、高效进行的关键环节,车间调度问题也因此得到了广泛的关注与研究,特别是如何提升车间调度的动态响应能力和实时优化性能。在此背景下,本文以研究“基于博弈论的柔性作业车间实时调度（Flexible Job Shop Real-time Scheduling,FJSRS）策略和方法”为突破口,构建了制造物联环境下基于博弈论的FJSRS体系架构,并对基于静态博弈的单目标FJSRS、基于动态博弈的多目标FJSRS、考虑生产计划动态变化的基于无限次重复博弈的多目标FJSRS等方面的关键技术展开了深入研究。通过将制造物联网技术引入到实时调度,能够实现对该过程实时信息的感知和获取,促进生产任务的实时优化分配,从而有效提升企业对制造资源的整合和管理能力。论文的主要研究内容包含以下几个方面:1.针对制造物联环境下FJSRS问题,构建了制造物联环境下基于博弈论的FJSRS体系架构。首先,阐述了FJSRS的定义和分类,并介绍了制造物联网的相关概念;在此基础上,分析了制造物联环境下FJSRS策略相对于传统动态调度策略的优势;进而,基于博弈理论,提出了面向制造物联环境下生产任务动态响应与实时优化的FJSRS体系架构,并对其进行了详细的阐述;最后,分析了支撑该体系架构运行的三个关键技术。2.针对单目标FJSRS问题,提出了一种基于静态博弈的单目标FJSRS方法（Static Game based Single-objective FJSRS Method,SGSO-FM）。首先,以最大化机器平均利用率为优化目标,建立了单目标FJSRS数学模型;其次,提出了单目标FJSRS策略;接着,从静态博弈的角度出发,建立了基于静态博弈的单目标FJSRS模型,并详细阐述了求解单目标FJSRS的静态博弈方法及纳什均衡（Nash Equilibrium,NE）的求解算法。最后,通过仿真实验,验证了SGSO-FM的有效性和可行性。3.针对多目标FJSRS问题,提出了一种基于动态博弈的多目标FJSRS方法（Dynamic Game based Multi-objective FJSRS Method,DGMO-FM）。首先,以最小化最大完工时间、最小化机器总负荷和最小化生产总能耗为优化目标,建立了多目标FJSRS数学模型;其次,提出了多目标FJSRS策略;接着,考虑参与者决策的顺序,从动态博弈的角度出发,建立了面向多目标FJSRS的动态博弈模型,并详细阐述了求解多目标FJSRS的动态博弈方法及子博弈精炼纳什均衡（Sub-game Perfect Nash Equilibrium,SPNE）的求解算法。最后,通过仿真实验,验证了DGMO-FM的有效性和可行性。4.针对多目标FJSRS问题,进一步考虑生产计划的动态变化特性,提出了一种考虑生产计划动态变化的基于无限次重复博弈的多目标FJSRS方法（Infinitely Repeated Game based Multi-objective FJSRS Method considering Dynamic Changes of Production Planning,IRGMO-FM-DCPP）。首先,以最小化最大完工时间和最小化最大单台机器负荷作为生产计划的优化目标,以最小化最大完工时间、最小化机器总负荷和最小化生产总能耗作为实时调度的优化目标,在考虑生产计划动态变化的情形下,分别建立了多目标FJSRS数学模型和基于无限次重复博弈的多目标FJSRS模型;其次,详细阐述了求解考虑生产计划动态变化情形下多目标FJSRS的无限次重复博弈方法及SPNE的求解算法。最后,通过仿真实验,验证了IRGMO-FM-DCPP的有效性和可行性。5.基于上述关键技术的研究,设计了FJSRS仿真系统并进行案例验证。首先,在JADE（Java Agent Development Framework）平台下采用多Agent系统开发技术开发了基于JADE的FJSRS仿真系统,并分别阐述了仿真系统中单目标FJSRS、多目标FJSRS和考虑生产计划动态变化的多目标FJSRS的运行流程;在此基础上,通过工业应用案例验证了本文所提出的理论、模型、策略和方法的可行性。