随着国内外经济环境的变化,制造业面临着前所未有的机遇和挑战,为适应新的国际形势和日益激烈的市场竞争,制造业不得不进行转变和技术革新。为了提高自身的竞争力,制造企业越来越关注如何更高效的对生产车间内有限的生产资源以及复杂的生产活动制定满意的调度策略。车间调度问题成为制造企业研究的热门领域之一。在过去的几十年里,车间调度问题被广泛的研究,本文所研究的装配作业车间调度问题(Assembly Job Shop Scheduling Problem,AJSP)是在经典的作业车间调度问题(Job Shop Scheduling Problem,JSP)上加入多层的装配工序,AJSP在现实生活中经常遇到。调度规则是求解调度问题的有效方法之一,本文就如何设计出优秀的复合调度规则求解动态AJSP展开研究,主要工作如下:(1)建立动态AJSP仿真模型。研究了多层的“树”型基于装配的工件加工路径,构建了基于离散事件仿真的装配作业加工车间。在排队论的基础上,根据公式推导出了工件到达时间间隔与机器利用率之间的关系。将传统的TWKCP工件交货时间设置准则引入该仿真模型中,构建完整的动态AJSP仿真模型,输入相关的调度规则,运行仿真模型会得到相应的评价指标值。(2)研究了三种元启发式算法来生成复合调度规则。根据遗传规划(Genetic Programming,GP)算法和基因表达式编程(Gene Expression Programming,GEP)算法染色体的特点,提出了基于GP、GEP算法以及他们的改进算法的求解调度规则的思路。仿真实验表明,与基础的GP、GEP算法相比,提出的自适应的GP和GEP算法,可以有效的避免基础算法的早熟现象,使其能够搜索到更加优秀的解,求得的复合调度规则更好。除了上述的两种算法之外,还提出了一种基于BP神经网络拟合车间调度系统的思想,通过实验确定BP网络的隐层神经元个数和训练函数,对拟合好的BP网络,使用模拟退火(Simulated Annealing,SA)算法求解最优的输入参数,使得BP网络输出最小,最终求得一个调度规则。(3)利用控制变量法比较元启发式算法求解到的复合调度规则和简单调度规则的性能。遵循控制变量法的原则,通过改变随机数种子、机器利用率、产品类型,对复合调度规则和简单调度规则进行仿真实验。实验表明,求解得到的复合调度规则性能比简单调度规则好很多,说明元启发式算法求解得到的复合调度规则的鲁棒性和泛化能力强。当评价指标变为平均延迟时间、延迟工件百分比、平均流程时间时,复合调度规则比简单的调度规则的性能差。由此说明,元启发式算法求解复合调度规则有很大的针对性,针对特定的适应度函数,可以求得优秀的调度规则。