柔性作业车间调度问题（Flexible Job Shop Scheduling Problem,FJSP）是在工业邻域中实际制造时普遍存在的组合优化问题。随着科技发展,生产制造具有更大的灵活性,但生产成本也有所提高,提升生产效能并降低生产成本的瓶颈在于更优的资源调配和生产规划。此外,在实际生产中,机器间客观存在着运输时间,优化过程中却往往将其忽略,从而影响了最终的优化效果。研究传统FJSP和带运输时间的FJSP具有一定的现实意义和实用价值。禁忌搜索算法基于单个体求解经典FJSP,具有良好的集中性搜索能力。但考虑到禁忌搜索算法分散性搜索能力弱的特点,在禁忌搜索算法中加入扰动机制,提出迭代禁忌算法（Iterated Tabu Search,ITS）,使其在保留最优解的部分优秀特性的前提下,增加解的多样性,有利于在更有潜力的区域中进行探索。差分进化算法基于群体求解经典FJSP,具有较好的分散性搜索能力。但鉴于其易失去多样性陷入局部最优或搜索停滞的缺陷,提出了改进的差分进化算法（Improved Differential Evolution,IDE）。其中整合了多种策略:基于优先分配规则的初始化方法、保存淘汰个体的外部存档集、改进的差分变异算子、基于概率分布的参数自适应策略。通过在经典的公开基准测试集——DPdata、BCdata、BRdata、HUdata数据集上进行测试,并与近年其他算法比较,验证了ITS算法和IDE算法求解FJSP的有效性、可比较性和潜力。最后,结合两类算法的优点,提出混合差分进化算法（Hybrid Differential Evolution,HDE）求解带运输时间的FJSP。考虑更接近实际应用场景的情况,添加了相邻工序间的运输时间约束。在差分进化算法中嵌入禁忌搜索算子,结合两者各自的优越特性,达到了疏散性和集中性的平衡。通过对基准测试集的实验测试,验证了HDE算法求解带运输时间的FJSP的有效性和稳定性。