工艺规划和车间调度是制造系统中两个十分重要的子系统。在传统的研究中,研究人员将工艺规划和车间调度作为各自独立的系统,分别对两者进行独立的研究,对它们的集成研究还不够。然而事实上,如果把工艺规划和车间调度系统进行集成可以较好地提高制造系统的工作效率。所以,工艺规划与车间调度集成越来越受到学者和工程技术人员的重视。工艺规划与车间调度集成(IPPS)问题是最困难的NP-Complete组合优化问题之一,经过几十年的发展,研究人员提出了不少求解该问题的方法,但是至今最好的算法仍很难有效地的求解该问题。本文的主要目的是深入研究IPPS问题,探索该问题在不同条件下高效的求解方法。首先,本文深入研究了IPPS优化模型:基于作业车间调度的混合整数规划模型,提出了IPPS问题的数学模型,并提出了集成优化策略对IPPS问题进行求解,该策略为后续研究提供指导;然后,根据提出的集成优化策略,分别对各部分进行详细研究:一、深入研究了遗传算法在柔性工艺规划问题中的应用。提出了针对柔性工艺规划问题的多部分编码方式,这更有利于算法算子的操作;并提出了新的交叉方法,避免了非法解的产生,提高了求解效率;针对编码特点,设计了相应的变异算子。使用实例对改进的遗传算法进行了测试,并与其它算法进行了比较,验证了该编码方法和操作算子的有效性和优越性。二、在以上研究的基础上,深入研究了改进遗传算法求解IPPS问题。基于以上的集成优化策略,提出了改进遗传算法求解IPPS问题的流程,在该流程中:车间调度问题的染色体编码采用基于工序的编码,采用活动调度的解码方式;结合问题本身特点设计了车间调度问题的交叉算子和变异算子。使用基准实例测试改进的遗传算法,并与其它算法进行了比较,验证了该算法的有效性和优越性。研究表明单一算法较难解决复杂的组合优化问题,几种优化算法的合理混合能提供更强大的搜索能力。本文将具有较强全局搜索能力的遗传算法和具有较强局部搜索能力的禁忌搜索算法有机结合,提出了求解IPPS问题的混合优化算法。该算法能较好地平衡其集中搜索和分散搜索的能力,弥补了单一算法各自的缺点。针对IPPS问题的特点,选取并改进了相应的邻域结构。采用基准实例测试提出的混合算法,并与其它算法进行比较,结果显示了混合算法的有效性和优越性。在企业的实际生产中,多目标问题普遍存在。在现阶段,对IPPS的研究主要是集中在单目标问题上。本文在对单目标IPPS问题研究成果的基础上,对多目标IPPS问题进行了较深入的研究,提出了一个基于多目标进化算法的求解方法来对多目标IPPS问题进行研究,然后采用实例测试提出的求解算法,验证了该算法的有效性。传统上,针对IPPS的研究大多集中在静态环境下,但是实际生产过程中存在着种种随机的和不确定的干扰因素。静态IPPS的结果很难适应实际生产的需要,有必要对已有的结果根据这些变化进行及时的调整。本文结合实际生产的需求对动态环境下的IPPS问题进行了研究,是传统IPPS问题的一种扩展。结合动态调度的己有研究成果以及前面提出的优化算法,提出了一种基于改进遗传算法的动态调度策略。然后对以上提出的策略进行仿真测试,验证了该策略的可行性和有效性。本文结合以上理论研究成果和工程实例,设计开发了IPPS原型系统。该原型系统利用提出的方法对柔性工艺规划问题和IPPS问题进行优化。最后对全文进行了总结,展望了进一步的研究方向。