基于并行单元的多阶段多产品批调度问题(MMSP)是一种重要的调度问题，其特点是各订单均需经过一定的加工阶段，每个订单在每个加工阶段所包括的并行加工单元上的加工属性各不相同，目标是确定所有订单的加工序列及各加工单元的分配从而使某性能指标达到最优。目前许多化工、钢铁、制药领域等流程工业中的组合优化问题均属于MMSP的范畴，因此研究MMSP具有重要的理论和现实意义。本文主要研究改进遗传算法来求解多阶段多产品批调度问题。　　 首先，基于智能体能量进化的邻域感知能力结合遗传算法灵活的编码方式，采用一维智能体遗传算法求解多阶段多产品批调度问题。算法采用遗传算法的十进制编码，将订单的加工序列表示为每个智能体的编码；采用后向指派规则实现调度序列和编码序列之间的对应关系；各智能体与其邻域环境的智能体通过一定的进化机制实现智能体能量的提高。由仿真结果可得：一维智能体遗传算法有效提高了种群的多样性，具有较好的寻优能力。　　 其次，将智能体进化结构改为多维网格结构，采用多维网格智能体遗传算法来求解多阶段多产品批调度问题。多维网格的智能体进化机制，通过增加智能体邻域空间所包含的智能体的数量进一步提高智能体的竞争机制，从而加速智能体能量的提高。通过对多阶段多产品调度问题的仿真，结果表明：多维网格智能体遗传算法，提高了算法的收敛性能，是求解多阶段多产品调度问题的有效算法。　　 最后，为了避免多维网格智能体遗传算法容易陷入局部最优的劣势，提出一种求解多阶段多产品批调度问题的混合遗传算法-多智能体文化遗传算法。算法中的信仰空间和种体空间中的智能体采用相同的进化机制实现智能体能量的提高。两个空间之间的相互的联系和影响通过接受函数和影响函数实现两个空间内的种群进化的交互。通过对多阶段多产品调度问题的仿真，结果表明多智能体文化遗传算法不仅能够有效地跳出局部最优，而且具有较高的收敛速度，是求解该调度问题的有效算法。