目前,在全球能源日益紧张、自然环境持续恶化的情况下,再制造已成为促进节能减排、发展循环经济的有效途径和必然选择。而再制造产业规模的扩大与生产决策、管理方法的矛盾也日益凸显。因此,本文针对再制造生产管理的核心内容“再制造生产计划与调度”展开研究,以期为再制造实现产业化、规模化提供理论支持。论文的主要工作和创新如下：首先,总结了再制造生产过程中对其运营管理造成扰动的不确定因素,建立了基于FGERT方法的废旧工件不确定性再制造工艺路线模型,针对加工时间为三角模糊随机变量的再加工过程,建立了梅森拓扑方程和等价模糊传递函数,进而得到各工艺路线分支概率和期望作业时间,并应用于发动机曲轴的再制造工艺路线分析。其次,引入了可信性理论和两阶段模糊规划理论,建立了两阶段模糊再制造生产计划模型,将模型中的可再加工零件数量、外购零件数量以及零件的加工成本等不确定参数视为具有已知可能性分布的模糊向量,然后在决策过程中,在获得模糊参数的实现值之后对生产计划产生的偏差进行调整和补偿,讨论了补偿函数逼近法,设计了基于逼近方法的粒子群算法用于模型的求解,分别通过多品种产品和单品种产品的再制造生产实例对模型及算法进行验证。再次,考虑到废旧工件失效程度不同,引起加工路线和加工工时可变性的特点,选取影响再制造调度方案的质量评价指标,采用基于信息熵的粗糙集离散化算法进行属性约简,应用TOPSIS法建立了等级评价矩阵,实现了废旧工件的质量分类,以减少不确定因素对生产调度的影响；进而采用符合再制造工件特性的双重模糊变量描述再制造加工车间工况的双重不确定性,建立了基于双重模糊机会约束规划的再制造加工车间生产调度模型,并提出了包含双重模糊模拟、神经网络和遗传算法的混合智能算法,仿真实例表明：在质量分类基础上,建立双重模糊机会约束规划模型可以有效的解决不确定环境下的再制造生产调度问题。然后,将调度作为详细的约束条件,构建了包括再加工费用、生产调整费用、加班费用以及库存费用在内的总生产成本为目标函数的生产计划与调度集成优化模型;针对再制造生产中存在的多重不确定现象,采用模糊随机变量对再加工时间进行描述,将集成优化模型转化为预先给定置信水平下的模糊随机机会约束规划模型；然后,提出了一种基于模糊随机模拟的混合优化算法,利用BP神经网络逼近不确定集成优化模型,并嵌入至采用三层编码体系的遗传算法中求解集成优化模型,并通过仿真实例验证了该集成模型和求解方法的有效性和实用性。最后,在上述理论研究的基础上,分析了再制造企业的基本业务流程,设计了适于不确定环境的再制造生产计划与调度集成原型系统。通过系统测试和实际应用,表明本文的研究成果能够辅助再制造企业协调生产车间的活动,验证了不确定环境下再制造生产计划与调度集成优化理论和方法的正确性和可行性。