调度问题作为一个典型组合优化问题,其求解的实质就是制定合理的调度方案对生产资源进行安排与配置,得到最优的调度结果。最开始学者们关于调度问题的研究都是基于理想情况下展开的,并且问题规模也很小。但是在现代制造业中,大批量的加工已经成为了常态,因此学者们通过不断在理想情况下的车间调度问题上加上各种现实存在的资源约束与生产指标,使得车间调度问题更加贴合实际,如柔性车间调度问题（FJSP）便是一种常见的车间调度。布谷鸟算法（CS）是一种新型元启发式算法,以布谷鸟在繁殖期间寄生育雏行为为原型,结合Lévy飞行策略与随机游走策略,对算法进行更新,由于CS算法具有参数少、求解精度大以及易于实现等优点,被广泛应用于各种组合优化问题中。本文对CS算法及其在柔性作业车间调度中的应用展开研究,主要内容如下:针对调度目标为最小化完工时间的柔性车间调度问题,建立相应数学模型,提出一种离散布谷鸟算法（DCS）对其进行求解。为了使算法更适合求解车间调度问题,首先对算法编码进行了调整,设计了双层编码的DCS算法,分别表示工件的加工顺序与工序加工的机器选择。然后对布谷鸟算法的Lévy飞行策略与随机游走策略进行分析,根据其原理与特点进行替换,并用于求解FJSP问题。最后通过实例计算分析,证实了改进DCS算法求解柔性车间调度问题的可行性。在柔性车间调度问题的基础上,考虑到实际工厂的加工情况,增加了工人约束,主要通过工人操控机器来加工工件。根据双资源约束的柔性车间调度问题（DRCFJSP）的实际情况,建立相应的数学模型。在编码时增加了工人信息,并且尝试了不同的离散方式,通过SPV规则将布谷鸟巢信息映射到调度问题中。在算法更新上,将种群分为3个子群,对子群的步长因子进行自适应调整,提高种群多样性,增强算法搜索能力。然后着重对算法解码进行了改进,将工人约束融入到算法解码中,并且充分利用解码时产生的空闲时间,以达到缩短算法最终完工时间的目的。最后通过Brandimarte标准测试集验证了改进DCS算法求解DRCFJSP问题的有效性与稳定性。