近年来,环境污染和能源消耗问题日益受到人们的关注,传统制造业面临着新的挑战和转型需求。制造业消耗的能量在工业能耗中的占比约为70%,因此具有较大的能源节约空间。合理配置资源、减少能源消耗能帮助企业提高效益、降低生产成本,赋予企业更大的竞争力。混合流水车间作为车间调度的扩展问题,能满足生产个性化、多样化的要求,是近年来车间调度的热点问题。因此,对混合流水车间调度问题HFSP（Hybrid Flow Shop Problem）的能耗优化策略及方法进行了研究。主要内容如下:（1）首先,由于HFSP实质上是单机调度和并行机调度的组合问题,因此可根据此特点将其分解为设备选择和工件排序两个子问题,分别建立对应的调度规则MAR（Machine Allocation Rule）和JSR（Job Sequence Rule）,进而对两者进行组合产生了求解HFSP的组合调度规则。（2）其次,为了减少HFSP的能耗,考虑机器启停和机器不同转速的现实生产约束,对车间能耗进行分析,可将总能耗分为机器启停能耗、加工能耗、空闲能耗和公共能耗四个组成部分,构建了以最小化加权拖期成本和总能耗成本二者之和为目标的调度模型。同时,引入分时电价机制,通过合理安排生产活动,尽量避免将加工活动安排在用电高峰期,以达到降低能耗的目的。（3）然后,提出并行基因表达式编程PGEP（Parallel Gene Expression Programming）自动构造高效的调度规则求解HFSP。PGEP在GEP的基础上设计了并行计算、分布式计算和基于渗透理论的个体迁移策略,改进了GEP方法的计算速度和求解质量。（4）最后,通过大量实例数据的仿真实验,评价PGEP产生的调度规则的性能。为验证PGEP的有效性,分别设置了以下几个实验并进行了比较分析:1)PGEP与带有禁忌搜索的启发式算法混合粒子群算法HPSO（Hybrid Particle Swarm Optimization）进行比较,结果表明PGEP算法产生的调度规则性能更优;2)将PGEP与串行式GEP进行对比,结果显示并行式与分布式计算会显著提高PGEP的求解速度,且多子种群间的迁移可以加大种群的多样性,产生性能更佳的调度方案;3)通过离线训练、在线求解模式的PGEP与直接求解模式的PGEP的对比,发现进行学习训练之后的PGEP构造的调度规则性能要比直接求解实例的PGEP产生的规则更优。