本文将系统资源配置、现代调度理论及优化求解方法相结合，对系统调度进行数学建模、优化求解以及求解效果分析。值得注意的是，本文所提出的建模及优化方法是第一个可扩展、可重构的全阶段、全流程该领域自动化调度系统，对理论方法、实践应用都具有创新意义。本研究尝试回答以下问题:　　第一，对复杂大系统进行解耦合性分析。复杂大系统具有边界不确定性和高复杂性的特点，这体现在模型的紧耦合方面，给建模带来了巨大困难，国内外大量的研究和实践都使用人工调度或规则调度的方式来进行调度。应用大规模复杂系统分解协调策略，本研究将调度系统分解，并对其中多子系统形成的调度系统进行建模及求解研究。　　第二，对调度系统进行建模分析。每一个调度阶段的问题都是调度领域所未经研究过的复杂问题，本研究对每个阶段分别建立数学模型和损失函数模型，为进一步的优化求解提供支撑。其中我们将调度模型归结为一类双资源、无缓存、流程拓扑关系可变，同时转移、加工工件数目有限制的多目标柔性作业车间调度问题;一类无缓存的两阶段、分布式置换流水线的实时调度问题;和一类无缓存、可重入的置换流水车间调度问题。　　第三，对调度系统进行优化求解。研究结果显示，调度系统的每个调度阶段都是一个复杂NP难问题，都是学术界目前研究的要点和难点所在，本研究基于每个调度阶段系统的特点分别设计进化算法及启发式方法相结合的优化算法进行高效求解。　　本文的创新点如下:　　一是首次建立了系统全流程调度模型，实现了模型的可扩展、可重构，本研究所建立的所有模型均实现了位置可变、设备配置可变、流程拓扑关系可变，可支持自动化辅助决策和系统设计。　　二是分别将各阶段模型归结为一类带有复杂约束的柔性作业车间调度问题，一类带有复杂约束的分布式流水车间实时调度问题和一类带有复杂约束的可重入置换流水车间调度问题，并针对这三类问题建立数学模型或损失函数模型，都属于领域首次提出、首次建模，为调度领域的发展提供了新的可以和实践相结合的研究方向。　　三是针对各阶段的调度问题，使用多种全局搜索进化算法如分布式估计算法、微粒群算法、遗传算法和教与学算法来求解调度问题，为了提高搜索的质量和搜索的效率，设计了多种局部搜索算子来加强全局搜索的能力，并使用基于Meta-Lamarkian学习的模因算法来平衡局部搜索算子的寻优过程，本研究为复杂调度领域的优化和求解提供了新的思路。　　四是基于所建立的资源配置模型、调度模型以及优化求解方法，为系统效能评估提供支撑平台和计算工具，使得可以在此基础上优化设计效能，克服了传统专家决策系统主观性较强和决策过程量化不准确的缺点，为大规模复杂系统的分析、建模及求解提供了一种新的视角和思路。