随着经济规模的不断扩大,生产规模越来越大,复杂性也越来越高,对企业的管理和大规模的生产过程的监控都提出了更高的要求。对生产调度问题的研究已有十几年的历史,提出了大批的调度方法,但是仍没有形成一套系统的理论与方法。差分进化算法(Differential evolution algorithm, DE)作为一种新颖的智能算法,首先由Storn K和Price P在1995年提出。后经过实践证明,差分进化算法是解决多项式问题的有效方法。但差分进化算法本身存在缺陷,如容易出现早熟收敛,陷入局部最优。本文对基本差分进化算法进行了一些改进,以便更好的解决调度问题。本文的研究内容主要包括:(1)差分进化算法的改进。提出一种混合差分进化算法(Hybrid Differential Evolution Algorithm, HDE)。通过标准benchmark问题仿真结果分析,改进后的算法收敛速度快,全局收敛能力更强。(2)置换流水车间调度问题。通过标准FSP调度问题和实际化工车间调度问题仿真结果分析,验证了混合差分进化算法在解决FSP单目标和多目标调度问题上的有效性和优越性。(3)作业车间调度问题(Job Shop Scheduling Problem,JSP)。差分进化算法在JSP问题中的应用目前还很少。通过针对JSP单目标和多目标问题的仿真结果分析,验证了HDE在解决JSP问题中的可行性和有效性。(4)基于HDE的离子膜车间调度问题。本文调度方案采用基于统一时间离散化的方法,满足多项约束条件的基础上,建立以产值效益最大化为调度目标的调度模型。通过分析DE和HDE算法仿真结果,验证了HDE在解决实际车间调度问题上的优越性。最后对本文进行总结分析,并对以后的工作进行展望。