随着制造环境的全球化和用户消费需求个性化的发展,批量定制型生产模式在制造企业中逐步占据重要位置。然而,近年来随着生产制造用工成本的增加和企业对工厂生产过程精细化管理需求的增强,对诸如大型家电、定制家具和3C数码外设产品等传统具有强人工依赖特征的劳动密集型批量定制型装备制造企业的成本控制造成了一定的成本冲击。与此同时,随着国家政策支持以及企业自身发展,车间生产制造系统中加工、运输等相关设备的自动化率得到了较大的提升,近年又得到了物联网传感技术的发展及信息通讯技术发展等基础技术的支持,为传统定制装备制造企业实现车间智能化改造/打造智能车间提供了可靠的基础技术保障。因此,无论是硬件发展的推动,还是外部生产环境需求,对生产制造企业进行智能化改造或者新建智能车间都显得愈加迫切。尤其是在当前疫情呈现常态化趋势的大背景下,以智能化改造/新建智能车间为基础的智能工厂是减少作业人员接触,保证生产过程有序、高效进行的重要手段之一。然而,对车间进行智能化升级/改造并不是简单的硬件技术堆砌,还需要通过软件、生产决策算法等提供更为精细且高效的管控策略,才能更加有效的挖掘出智能工厂中各相关生产资源的性能,进而为智能车间的优态运作提供有效保障。所以,本课题以多品种小批量智能车间在生产制造过程中的运作控制问题作为研究对象,针对不同决策场景的需求分别提出了基于耳朵分解序列的运输轨道路径优化算法、基于关键路径的改进多目标联合优化算法以及基于动态分解的组合充电算法,为多品种小批量生产制造企业的智能化升级和改造提供科学的决策方法和理论支持:（1）针对考虑生产需求的作业车间运输轨道路径导向优化问题,通过对作业车间中自动储运系统的轨道运输网络结构进行分析,建立基于有向图的数学模型;随后,结合问题特征提出了一种基于有向图耳朵分解序列的嵌入RVNS（Reduced Variable Neighborhood Search）搜索邻域搜索机制的混合遗传算法（Genetic Algorithm,GA）,并基于贪婪准则提出了一种运算复杂度为0（kmn）的规则调度算法作为导向方案适应度评价指标计算方法;为了验证混合遗传算法的求解效果,分别设计大量仿真算例对基于贪婪准则的规则调度算法、基于有向图的耳朵分解序列算法以及混合遗传算法的有效性和适应性进行比较,结果表明本章提出的混合遗传算法相比于其它算法不仅适应于大规模复杂问题场景,在小规模问题场景也表现出了较好的求解效果;（2）针对具有有限运输能力约束的作业车间多目标联合调度问题,通过对“制造-储运”联合调度问题特征进行分析,以最小化Cmax值和总运输时间为优化目标,构建了一种联合调度的多目标优化模型;随后,通过对联合调度问题中耦合子问题进行特征分析,以 NSGA-Ⅱ（Elitist Non-Dominated Sorting Genetic Algorithm）为主体算法框架提出了一种基于关键路径搜索策略的多目标模因算法;最后,为验证多目标模因算法的求解效果,通过设计大量的仿真算例与其它三种多目标优化算法进行比较,结果表明多目标模因算法在求解具有优先运输能力约束的作业车间多目标调度问题时表现出优越性,并且该优势会随着问题规模的增加而扩大;（3）针对考虑有限电量约束的作业车间充电调度问题,通过对运输设备的作业过程和充电流程进行分析,并基于流程拆解结果提出一种动态重构的组合算法框架,同时通过在算法框架中嵌入启发式规则的方式来生成求解问题的组合规则算法集合,最后借助eM-Plant搭建充电算法性能的仿真测试平台,同时设计大量的测试算例分析充电算法在差异化车间环境中的适应性;结果表明通过组合算法框架可以生成大量的充电算法且各有其适应场景,而以进站策略PE（Period Entrance）和LTE（Low Threshold Entrance）、出站策略 OO（Occupied Out）和 FTO（Fixed Time Out）、充电桩选择策略HEF（Higher Electricity First）和 FEFS（First Empty First Start）的组合充电算法在各种评价指标下均表现出较好求解的效果。（4）设计和开发一套《多品种小批次智能车间生产管理控系统》,并通过将所研究算法转化为系统插件的方式嵌入系统中,以进行推广应用。