生产调度是现代化制造系统中的一个重要环节,有效的生产调度优化算法是提高企业效率和竞争力的重要途径,属于智能制造的重要研究领域。并行机调度问题和置换流水线调度问题是制造业中广泛存在的两类组合优化问题,在计算复杂度上,这两类调度问题属于NP-Hard问题。因此,研究求解不相关并行机调度问题和置换流水线调度问题的有效算法具有较大的工程意义和理论价值。本文基于标准教与学算法提出三种改进的离散教与学算法,并应用其求解复杂并行机调度问题与置换流水线调度问题。首先,对优化指标为最小化最大完工时间的一类多工序带加工约束和到达时间的并行机调度问题,提出一种改进的离散教与学优化算法。根据标准教与学算法中两阶段个体更新公式的特点,在保留每一阶段个体更新公式框架不变的前提下,对公式中具体改变实数个体或向量的每个核心操作均用所设计的排列操作进行替换,使其可直接在离散问题解空间中执行基于标准教与学算法原理的种群更新。其次,考虑到工件间的序相关设置时间,得到一类带多约束的复杂并行机调度问题,提出混合离散教与学优化算法进行求解。在离散教阶段引入自学过程,离散学阶段引入学习概率避免学员对知识的盲目信任,并结合基于Interchange和Insert邻域局部搜索,加强了算法的搜索深度和整体性能。最后,为解决常用于制造业生产过程中的置换流水线调度问题,考虑优化目标为最小化最大完工时间,提出一种基于概率模型的混合离散教与学优化算法,在初始化种群引入NEH规则和FBR1规则,以提高初始种群的质量。在离散学阶段,引入二维概率矩阵的概率模型更新机制,使得班级学员可从优质学员中获得更优质的知识,并设计了基于Insert和Inverse邻域的局部搜索,加强算法搜索广度和深度。通过对不同测试问题集进行仿真实验与算法对比,验证了所提三种算法均能有效的求解对应问题,并且与其他文献中的算法相比,本文所提算法均展现出了高效性和鲁棒性。