随着全球化市场竞争越来越激烈,柔性作业车间调度在智能化制造研究领域受到越来越多的研究者们关注。良好的生产调度方法可以将有限的资源进行合理的配置以获取更好的经济效益。柔性作业车间调度是一种复杂的组合优化问题,具有很高的求解难度。而磷虾群算法以其较优的局部开发和全局勘探能力,在处理调度优化问题方面具有一定的优势,因此,本文采用磷虾群优化算法来求解单目标和多目标的柔性车间调度问题。研究内容如下:(1)针对最大完工时间最小化的单目标柔性车间调度问题,提出了一种离散型的磷虾群算法。首先,在深入研究柔性车间调度问题和磷虾群算法特点的基础上,给出了基于工序和工件优先级的编码策略;考虑到同一时刻加工冲突问题,提出了根据邻近度选择优先加工的工件。然后,定义了临时资源池矩阵、资源状态矩阵、工序工件关联矩阵等来表达机器、工件、工序等信息。其次,定义了插入、翻转、交叉操作来增强个体邻域的搜索能力,并提出了变异机制增强磷虾个体跳出局部最优解能力。最后,仿真实验结果表明改进算法在求解该问题时具有可行性和有效性。(2)针对磷虾群算法在求解多目标柔性车间调度问题上存在局部搜索能力和种群多样化有待提高等问题,提出了基于反向学习和局部学习的磷虾群算法来求解。首先,考虑到相比普通个体,精英个体具有更优的搜索信息空间,因此选取精英个体进行自适应维度的反向学习。然后提出了用改进的精英磷虾群局部学习代替标准KH算法的随机扩散运动,其中局部学习包括自适应步长的Levy飞行分布和经过优化设计的差分变异算子。然后,通过基准函数的测试,与新提出的改进算法进行对比发现,改进的磷虾群算法具有更好的收敛速度和收敛精度。最后,建立了以最大完工时间、加工成本和加工质量为性能指标的多目标柔性车间调度模型,给出了基于工序和机器的双层编码结构,并验证了改进算法在求解该问题的优越性。