随着工业4.0的到来,基于分布式本地小规模快速设计和生产的工厂生产模式已应用于多个行业;在此背景下,分布式车间调度也成为调度领域的一个研究热点和难点。智能算法可以在较短的时间内求得分布式复杂并行机调度问题的近似最优解,因而,采用分布估计算法和果蝇算法对该类问题进行求解的意义重大。本文应用分布估计算法和果蝇算法及其改进算法解决了三类重要的分布式复杂并行机调度问题,主要工作如下:(1):针对分布式多并行机调度问题,设计了一种混合分布估计算法,用于优化最大完工时间。在算法中,首先,通过随机生成初始化种群,有效地保证了初始种群的多样性;其次,通过更新概率矩阵产生下一代,并通过对最优个体位置信息的学习,有效地保证了迭代方向的正确性;最后,基于多种机制的局部搜索操作,让全局搜索和局部搜索达到了有效的平衡。仿真实验和算法比较验证了所设计混合分布估计算法的有效性和鲁棒性。(2):以工业生产中面临的实际生产问题为背景,并在(1)的基础上提出了分布式异构并行机调度问题模型,进而针对该问题设计了一种混合果蝇优化算法,用于最小化最大完工时间。在算法中,首先,在初始化阶段加入竞争机制,有效地提高了初始解的质量;其次,在嗅觉搜索阶段引入了自适应搜索半径,实现了对解空间的有效搜索;最后,在更新阶段融入了三阶段局部搜索,使全局搜索和局部搜索达到了较好平衡。仿真实验和算法比较验证了所设计混合果蝇优化算法的有效性和鲁棒性。(3):在(2)的基础上对模型进一步完善,提出了带装配线的分布式异构并行机调度问题,并针对该问题设计了一种混合果蝇优化算法,用于最小化最大完工时间。在算法中,首先,随机生成初始种群,保证了种群的多样性;其次,在嗅觉搜索阶段引入了自适应搜索半径,实现了对解空间的有效搜索;最后,在局部搜索阶段融入了基于多种机制的领域搜索,提高了局部搜索的能力。仿真实验和算法比较验证了所设计混合果蝇优化算法的有效性和鲁棒性。