作业调度问题具有复杂性、约束性、多目标性等特点，属于组合优化问题。传统优化算法很难获得对一般问题的解决方案。Job-Shop调度是生产调度的一个重要分支。传统Job-Shop调度问题中，假设工件具有唯一确定的加工工艺路线，使得生产调度和实际生产过程脱节，缺乏实用性。在实际的生产过程中，每个工序可以在一台或多台机器上加工，工件可以在保持工序顺序的前提下选择合适的加工路线。与传统Job-Shop调度相比，多目标柔性Job-Shop调度具有更强的实用性。但问题的复杂度也随之大大提高。解决多目标柔性Job-Shop问题的优化算法以启发式算法为主，但单一算法存在着许多缺陷和不足，所以近年来利用混合算法解决多目标柔性Job-Shop调度问题成为研究热点。本文首先回顾了车间生产调度的发展历史，总结了车间生产调度的分类和性能评价指标，研究了小生境技术、免疫遗传算法、禁忌搜索算法和模拟退火算法。其次，针对多目标柔性Job-Shop调度问题，改进了免疫遗传算法，提出了一种基于小生境技术的免疫遗传算法，即利用小生境技术调整适应值，采用选择种子法进行复制操作、两点交叉法进行交叉操作和自适应变异率进行变异操作，有效地解决了简单遗传算法收敛慢和早熟等问题；同时将禁忌搜索与模拟退火算法结合，提出了一种禁忌模拟退火算法，即利用禁忌搜索算法进行粗搜索，解决了模拟退火算法中初始温度和初始状态的确定问题。最后，本文提出了一种利用集成法解决多目标柔性Job-Shop调度问题的算法：将多目标问题转换为单目标问题；利用改进的免疫遗传算法解决路径子问题；利用禁忌模拟退火算法对工序进行排序，求解出个体的适应值。仿真表明，本文提出的多目标柔性Job-Shop调度算法具有快速收敛的特性，能够较好地跳出局部最优，获得全局最优解，是求解多目标柔性Job-Shop调度问题的可行且高效的算法。虽然通过求解三种不同规模的问题验证了本文提出的多目标柔性Job-Shop调度算法的可行性，但是仍需更加全面地测试。在多目标柔性Job-Shop调度问题后续的研究工作中，如何将现有算法进行改进和混合仍是主要的研究方向。