随着全球市场竞争的加剧,客户需求向个性化和多样化转变,企业越来越关注如何为车间生产制定合理的调度方案,以缩短生产周期、减少在制品库存和按时保质交货等,从而提升自身的竞争力,提高客户满意度。柔性作业车间调度问题是经典作业车间调度问题的一种扩展,也是最困难的组合优化问题之一。柔性作业车间调度问题越来越受到研究人员和技术人员的重视。柔性作业车间调度问题包含机器选择和工序排序两个子问题。利用进化算法求解柔性作业车间调度问题时,如何设计适合柔性作业车间调度问题的有效染色体编码方案是非常重要的。本文通过对已有染色体编码方案的分析与总结,设计一种基于整数编码的染色体编码方案MSOS,降低遗传算子操作过程中非法解的产生,减少染色体的存储空间。同时该方法无需设置参数变量,即可非常容易地表达不同柔性的柔性作业车间调度问题,即部分柔性作业车间调度问题与完全柔性作业车间调度问题可用相同的方法进行表示。在充分考虑各个机器之间的负荷平衡的基础上,提出了全局选择和局部选择的机器选择方法,产生合理的机器选择方案。并与随机选择方法进行混合产生初始种群,使解在解空间的分布更广,以提高初始解的质量和多样性,提高求解效率。结合编码方案和初始化方法,对遗传算法进行改进,使用标准实例测试改进的遗传算法,分析全局选择、局部选择和随机选择的最佳的混合比例。并且与其它算法进行比较,优化结果验证了提出的编码方案和初始化方法的有效性和优越性。许多研究显示单一算法较难解决复杂的调度问题,几种优化算法的合理混合能够提供更强大的搜索能力。本文在改进遗传算法的基础上,引入局部搜索能力强的变邻域搜索算法进行混合。变邻域搜索算法通过系统地变换邻域结构,适用于不同适应度地形的柔性作业车间调度问题,同时防止算法陷入局部最优。设计了一种简单高效的混合遗传算法,使得搜索过程中的广泛性和集中性达到合理的平衡,弥补了单一算法各自的缺点。依据柔性作业车间调度问题的特点设计了两种邻域结构,充分考虑了工序具有可选机器集的特点,用于变邻域搜索算法的邻域结构。利用具有精英保留策略的外部记忆库,使得具有优良信息的个体片段能够较好地保留到下一代种群中。用四组标准实例共178个问题进行试验,在大多数问题上都取得了较好的结果。考虑到实际生产中往往存在多个目标需要同时优化的情况,研究了多目标柔性作业车间调度问题,结合柔性作业车间调度问题多个目标之间的关系,设计了多目标Pareto混合算法。进一步利用遗传算法的全局搜索能力和变邻域搜索算法对非劣解的局部搜索,引入外部档案存储每一代中较好的非支配解,有效地减缓遗传算法搜索过程中种群收敛于单一个体的趋势,避免了遗传算法早熟而导致可选解的丢失,最后输出所有可以得到的位于前沿的Pareto解。使用标准实例进行了测试,验证了提出算法的有效性。在实际生产环境中,存在突发事件干扰正常生产的问题。本文将解决静态柔性作业车间调度问题的研究成果扩展到动态柔性作业车间调度问题,对动态环境下的柔性作业车间调度问题进行深入研究。引入人机协同机制,充分利用人和计算机的优点,采用基于周期和事件驱动的调度策略处理动态事件,提出了一种基于混合遗传算法的动态调度算法,提高对突发事件的处理能力,保证生产的平稳进行。最后将提出的算法应用于实际生产中的几种动态事件,验证了该调度优化策略的可行性和有效性。基于上述研究成果设计和开发了面向实际生产车间的调度原型系统。介绍了系统的体系结构、开发原则和功能模块,并给出了系统的运行实例。最后,对全文工作进行了总结,展望了今后研究的方向。