生产调度是生产过程规划与管理的中心环节,而调度方案的合理性很大程度上影响了企业在生产排程时的效率及可靠性。实际生产活动中不确定因素与日俱增,使得调度问题的分析、建模与求解过程尤为复杂。随着模糊理论的发展,运用模糊特征描述柔性生产过程中调度参数的不确定性成为了可能。因此,如何针对此类问题采用合适的智能优化算法进行求解得出符合企业要求的调度方案,已成为近年来的研究重点。本文主要研究单目标和多目标下的模糊柔性作业车间调度问题,通过改进花授粉算法对其进行优化求解,以下是主要研究内容:(1)研究了模糊特征在柔性生产过程中的具体应用。首先,给出模糊集理论的基本定义及其表示方法,对模糊集运算法则以及常用的两类模糊数进行了分析;其次,针对不确定条件下的柔性生产过程,采用模糊数描述柔性作业车间调度问题中的不定值,建立了模糊柔性作业车间调度模型,阐述了模型的分类和常用评价指标,并给出了模型的约束条件;最后,重点研究了元启发式智能优化算法中的花授粉算法,分析了算法的基本原理、求解模糊柔性作业车间调度问题的优缺点以及操作步骤。(2)针对单目标模糊柔性作业车间调度问题,提出了一种离散花授粉算法。首先,将加工时间用三角模糊数表征,以最小化模糊最大完工时间为优化目标,建立了单目标模糊柔性作业车间调度问题模型,同时定义了三角模糊数的运算规则;其次,利用测试函数对花授粉算法的基本性能进行了详细对比分析,引入离散算子对算法进行离散化处理,并且在迭代过程中加入机器调整步骤,从而避免不可行解的产生。实验结果表明,该算法在部分模糊柔性作业车间调度算例上效果更优。(3)针对多目标模糊柔性作业车间调度问题,提出了一种自适应离散花授粉算法。首先,考虑到实际工厂优化目标的复杂性,将加工时间、机器加工成本、原材料成本用三角模糊数表示,以最小化模糊最大完工时间以及最小化模糊生产成本为联合优化目标,建立了多目标模糊柔性作业车间调度数学模型;其次,在离散化初始种群解后,于迭代过程中引入自适应变异算子,旨在增强算法在求解过程中的全局探索和局部开发的能力。实验结果表明,在求解实际的柔性生产车间问题时,该方法在与其他算法进行对比时表现较为突出。