车间调度作为制造业的核心问题对于制造强国战略的实施,制造业的国际竞争力增强等意义重大。柔性作业车间调度问题(Flexible Job Shop Scheduling Problem,FJSP)属于调度领域的研究热点,在工业生产中广泛采用。本文研究了FJSP问题及其拓展问题,即分布式FJSP(Distributed FJSP,DFJSP)和批量流FJSP(Lot Streaming FJSP,LSFJSP),设计了改进灰狼算法(Improved Grey Wolf Optimization,IGWO)进行求解。首先,针对FJSP提出了一种IGWO算法进行求解。考虑FJSP的离散特性,结合GWO搜索能力均衡的特点,改进其社群等级制度,在给出种群内的交流机制的基础上,提出IGWO算法框架。针对FJSP改进了一种基于关键路径的邻域结构。对标准算例集合的求解结果表明,与GWO相比,IGWO在收敛速度和求解效果方面都具有较大提升。其次,提出了新的优化策略对DFJSP模型进行求解。结合分布式的生产模式,给出了数学模型。针对模型特性提出了新的编码方式,并提出一种基于启发式规则的解码方式,设计了相应优化策略。在利用IGWO对标准算例集合的求解中,刷新了部分标准算例的最优解,在求解时间以及稳定性方面领先于现阶段该领域的绝大多数算法。然后,提出了一种LSFJSP模型并设计新的优化求解策略。结合批量流的生产模式,建立了一种任务内工序重叠的等量分批的LSFJSP模型。针对任务工序的重叠特性和子批划分方式提出了一种两段式的编码策略,并给出相应的解码方式与优化策略。对于随机生成的算例集合,本章提出的求解算法收敛效果和鲁棒性等方面明显优于遗传算法(Genetic Algorithm,GA)等其他算法。接着,针对某航天院所航天结构件生产调度问题,构建了LSFJSP模型,利用改进的IGWO进行求解,求解方案符合实际生产的自动排产需求,验证了LSFSJP模型的可行性和IGWO算法的有效性。最后,对本文的主要研究工作进行总结,并展望未来的研究方向。