无等待流水车间调度问题属于一类重要的组合优化问题,它广泛的存在于炼钢、食品、化工和制药等领域。当工件数目大于等于3的时候,该问题已经被证明是NP-hard问题。于是,吸引了大批学者对该问题进行研究。近年来出现的鲸鱼优化算法以其特有的螺旋式非线性搜索过程大大提升了算法的搜索性能。但是,与其它元启发式算法一样,该算法同样具有收敛精度不够理想、易陷入局部最优等问题。为了克服上述缺点,本文提出一种基于互补差分变异算子的鲸鱼优化算法。同时,为了进一步提高鲸鱼算法在解决无等待流水车间调度问题的效率,本文提出一种离散鲸鱼算法。本文主要做了如下的具体工作:1、提出基于互补差分变异算子的鲸鱼优化算法。鲸鱼优化算法是一种具有竞争力的元启发式算法,用于求解函数优化类问题。然而,在算法的迭代后期,由于搜索个体被较优个体所吸引,鲸鱼优化算法容易陷入早熟状态。因此,本文提出了一种混合鲸鱼优化算法鱼改进差分进化的算法(CDE-WOA)。首先,采用“依维均分”的种群初始化策略来提高种群初始的多样性。其次,利用基于互补差分变异算子的改进策略提高鲸鱼优化算法的全局搜索能力,从而提高收敛精度以及收敛速度。再次,通过引入基于“最差点”的局部逃离策略有助于CDE-WOA及时跳出局部最优。最后,用14个数学优化问题对提出的CDE-WOA进行了测试。试验结果表明,CDE-WOA在收敛速度和收敛精度方面优于传统鲸鱼优化算法、改进鲸鱼优化算法、差分进化算法、互补差分进化算法和粒子群算法。2、提出一种离散鲸鱼优化算法。为了实现从离散域直接求解无等待流水车间调度问题,本文基于连续鲸鱼优化算法的思想,离散化鲸鱼初始化过程、线性包围猎物过程以及螺旋式进攻过程,形成离散鲸鱼优化算法。首先,通过随机生成组合序列的方式完成种群初始化。其次,采用保留待更新个体与最佳个体相同位置的信息,循环移位其他位置信息的方式模拟鲸鱼线性包围猎物过程。最后,在线性包围猎物过程的基础上,对线性包围生成个体依等概率进行左或右循环移位来模拟螺旋包围猎物过程。最终,将基于互补差分变异算子的鲸鱼优化算法和离散鲸鱼优化算法应用求解无等待流水车间调度问题,仿真结果表明改进的鲸鱼优化算法和离散鲸鱼优化算法在求解无等待流水车间调度问题中均表现出良好的性能,并且离散鲸鱼优化算法能够在求解过程中拥有较强的稳定性。