随着信息产业的蓬勃发展,半导体制造业已经成为国民经济的前驱发展产业。成本高、工序多、流程复杂为其特有属性。因此,如何提高设备利用率,对客户需求快速做出响应,并对有限的资源进行合理的分配利用成为了半导体制造业调度的目标。半导体集成电路生产线有前端工艺和后端工艺之分。前端工艺经过大量学者的研究,针对每个问题大都得到很好的优化方案,这就使得后端工艺流程中的问题凸显出来。对后端测试阶段集成电路芯片的优化调度可以有效地提高整个工艺流程的生产效益。后端测试阶段的调度问题大多数为NP-hard.再加上设备产能约束,以及工件加工过程中所需要的机器手、托盘等附属资源的约束,这就使得问题进一步复杂化。本文对多种资源约束下的半导体最终测试阶段的批处理机问题进行优化。我们首先针对单批处理机问题进行分析研究,建立问题的数学模型,并设计变邻域搜索算法(variable neighborhood search algorithm, VNS)、基于随机键的遗传算法(random key genetic algorithm, RKGA)以及基于批的插入算法(batch of insertion algorithm, BIA),最后通过数据仿真实验,将其与先前文献中的oven first batch first fit (OFBFF)启发式算法和一般遗传算法进行对比并对各算法的优劣性进行分析比较。之后本文将单批处理机调度问题扩展为同型号平行(identical parallel)批处理机调度问题,针对该问题我们根据多批处理机芯片生产流程的不同提出两种解决方案,其中每种解决方案都把问题分解为四个阶段,并分别设计出基于先组批再分配的批插入算法(first batching then machine- batch of insertion algorithm, FBTM-BIA)和基于先分配后组批的批插入算法(first machine then batching-batch of insertion algorithm, FMTB-BIA),通过仿真实验分析两种算法表现。