如今,为了满足消费者对产品个性化和多样化的需求,多品种小批量的柔性制造生产模式凭借着其灵活多变的优势,逐渐成为当今制造业的主流。柔性制造通常可分为通用模块和柔性模块两部分,其中通用模块为标准的自动化生产环节,柔性模块为用来满足不同个性化需求的半自动生产环节,在目前的生产技术条件下,该环节通常由熟练的技术工人负责。不同于可使用机器设备的标准化生产,由操作工人所参与从事的相关生产会受到各种行为因素的影响,比如多任务处理、学习效应、速率修改等。本文总结了其中两种常见行为因素的特点,从中提炼出两种调度模型并展开了深入研究。（1）工人在处理较长时间任务后,会在枯燥情绪、工作需求等因素的影响下,选择中断当前任务,去处理其他未完成的任务,这种现象被称为多任务处理。针对多任务处理这种行为因素,本文结合实际背景提出了带有释放时间的单机多任务调度问题,目标函数为极小化所有任务的完成时间之和。为了便于利用商业优化软件进行求解,对该问题建立了混合整数规划模型,并给出了问题下界。针对中等规模问题,设计了一种改进粒子群优化算法,并通过数据仿真验证了该算法的有效性;针对大规模问题,提出了最短处理时间优先规则（SPTA）作为启发式算法,通过与下界对比证明了该启发式算法的渐近最优性,并通过数据仿真验证了该启发式算法的求解性能。（2）工人在处理多个类似任务时,由于技能熟练度与经验的增加,对任务的处理速度相应加快,使任务的实际处理时长越来越短,这种现象被称为学习效应。针对学习效应这种行为因素,结合实际背景,本文提出了考虑学习效应的单机双代理调度问题,目标函数为极小化两个代理的最大完成时间之和。为了便于利用商业优化软件进行求解,对该问题建立了混合整数规划模型。针对中等规模问题,设计了一种改进离散差分进化算法,并通过数据仿真验证了该算法的有效性;针对大规模问题,提出了优势代理优先规则（ADA）作为启发式算法,给出了该启发式算法的最坏性能比,并通过数据仿真验证了该启发式算法的求解性能。