制造业是我国国民经济的支柱产业,基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革。而车间调度是制造企业车间生产管理至关重要的一环,当制造企业面临复杂多变的受生产资源约束的复杂动态环境时,如果能够合理地进行生产调度的科学决策、快速地动态响应市场的需求,不仅能够提高设备的利用率、降低产品的制造周期,也能提高产品质量和降低生产成本。因此,如何利用计算机技术实现生产调度计划优化,快速调整资源配置,统筹安排生产进度,提高设备利用率已成为摆在许多加工企业面前的重大课题。本文在对现有研究成果的基础上,通过对车间调度时代背景和发展现状的了解,从车间调度理论和所用算法理论研究入手,研究以生产成本、零件在机器中的加工时间和提前/延迟完工对生产链的影响为目标,构建多目标柔性车间调度模型,并以某加工实例为研究对象建立生产调度方案。本篇论文所做的工作有:(1)通过对遗传算法和粒子群算法的理论知识研究,掌握了算法设计的一般步骤,并对两种基础算法在车间调度中的应用进行探究。结合车间生产实例,将工件生产信息运用MATLAB进行调度仿真。(2)通过对车间调度理论知识研究,建立以零件制造周期、提前/延迟交货、加工成本在内的多目标车间调度模型。采用遗传算法对模型进行分析,目标函数的优化方向是适应度值增加方向,并与参考文献中实验结果对比,验证了所构建模型的可使用性和算法的良好性。(3)根据建立的多目标调度模型,使用MATLAB工具中的命令窗口、编辑器和调试器等模块,结合生产实例采用不同算法来对其进行优化。引入精英保留策略的非支配遗传算法,对种群进行非支配排序分层和适应度值计算,并采用小生境技术手段处理来保证Pareto最优解集的分布;采用带有网格划分MPSO算法,并设定压力参数来对帕累托集进行选择;结合遗传算法和粒子群算法的优点,采用经过粒子群择优后的种群进行遗传算法操作来输出Pareto最优解集。分析以上算法求解问题时的不同特点,通过实例仿真结果来对比分析算法在求解问题的优劣性,对实际生产起到一定的指导作用。