生产调度系统是智能工厂制造系统平稳有序运行的“神经中枢”,但面对市场和客户需求的快速变化,如何有效解决急件干扰下的车间重调度问题是一大难点。不合理的重调度方案不仅会增加工厂的生产成本,还可能延误原始工件和急件的交付,从而影响企业营收。而现有的重调度策略和方法,一方面很难应对多个急件到达下的插单生产需求,往往会造成大量急件的延期交付;另一方面许多研究以最小化最大完工时间（makespan）为优化目标,忽略了智能工厂准时制生产的需求,因此获得的最优重调度方案可能不具备现实参考意义;同时针对不同场景下的重调度问题研究存在一定的局限性,目前尚未有研究考虑特殊生产场景下的重调度问题的文献。基于此,本文主要针对以下三个部分的内容展开进一步的研究。首先,针对多个急件的扰动,采用基于匹配的方法,设计新的混合重调度策略,同时提出混合遗传禁忌搜索算法进行求解。在种群初始化阶段,采用基于贪婪的混合启发式算法获得更高质量的初始解;在遗传算法变异阶段,提出基于自适应的变异算子选择算法,更好地平衡各变异算子的搜索能力;同时改进经典N5领域结构提高算法的局部搜索能力。数值试验结果验证了混合重调度策略和算法的可行性和有效性,并表明急件插单时间发生的越早,混合重调度策略和求解算法的优越性越突出。其次,根据智能工厂准时制生产的要求,构建了以加权提前/延期完工惩罚成本和原始工件重调度前后开工时间偏差为目标的混合整数非线性规划模型,使其更符合实际生产情况。同时提出基于个体的混合禁忌变邻域搜索算法进行求解,在序列解初始化阶段,优先考虑机器加工连续性,采用基于交货期的种群初始化算法以获得更好的主动调度初始解;在改进算法搜索阶段,采用基于概率的方法集成两种互补的局部搜索方法（即变邻域搜索算法和禁忌搜索算法）,以平衡搜索邻域的多样性和搜索邻域空间的稳定性;同时采用基于自适应的邻域扰动算子选择算法,并引入基于紧前/紧后工序的改进N5邻域结构以及基于松弛的邻域搜索结构,提高了混合算法搜索效率和搜索质量。获得的最优调度方案为解决面向准时制生产的重调度问题提供了一定的参考。最后,研究可重构制造环境下的急件插单重调度优化问题。以最小化最大完工时间、提前/延期完工惩罚成本以及重调度前后原始工件开始加工时间偏差为优化目标,建立考虑可重构的作业车间重调度混合整数规划模型。在此基础上,引入混合算法求解该问题,并提出了基于分组搜索的启发式算法构造高质量的初始解,提高了混合算法的求解效率和求解质量。同时提出基于竞争的邻域搜索策略以及基于概率选择的改进交换邻域结构。所提模型和算法为解决考虑可重构的作业车间重调度研究提供了一种求解思路。