当今世界经济一体化的发展势不可当,同时不同企业也面临着资源日益紧缺的现象,人们的消费节奏也越来越快、消费需求越来越多样化,需求的个性化也越来越强。这些不断变化的市场环境使得企业必须提高生产效率、资源的利用率及改进产品的质量,从而提高企业的市场竞争力,促进企业的良性发展。生产调度作为制造企业生产管理的核心部分,既是经济社会发展的需要,也是企业自身发展的需要,它使得企业生产作业计划得以有效实现,直接关系到企业最终的生产效益。在此背景下,如何利用先进的建模和优化算法来提高生产计划的实时性和灵活性,同时提高生产线的运行效率,提高企业自身的生产调度技术,从而提高我国制造业的水平,以及社会整体资源的利用率,给制造业和学术界带来了挑战,相关领域的研究也成为国内外学者研究的热点。首先,本文开篇介绍了生产调度的研究背景和意义,分析了国内外相关课题的研究现状,并在现有研究成果的基础上提出了存在的不足,梳理出本文的研究问题及研究框架。其次,考虑到企业的实际生产调度中,订单能否准时交付是衡量企业业务能力的一个重要因素。企业在交货期之前能够交付订单可以减少风险,一定程度上交付订单越多风险越小。在这种情况下,企业则需要在规定交货期内尽可能地使企业订单交付量最大化,在减少风险的同时还能增加企业收益。本文根据此提出了一个一般调度模型,分析其问题性质,并给出了该问题为NP难性质的证明。接着,针对实际生产加工现状,本文提出了基于位置的学习效应的生产调度模型。工件的实际加工时间不是固定的,而是随着工件加工数量的累积、工人熟练度的增加而减少的,但不会趋于零。本文考虑到该加工特点,将学习效应分别应用于模型的第一工序加工机器和第二工序加工机器上,并分析求解,得到两个最优算法。然后本文又进一步将学习效应同时应用于两台机器,该模型需要通过启发式算法和元启发式算法求解,也是本文的创新之处。我们设计了一种启发式算法,以分支定界法作为衡量标准研究其性能,同时使用元启发式算法中的遗传算法和粒子群算法作为算法横向比较,分析该启发式算法的性能。最后,本文利用CPLEX工具和Python工具对设计的算法进行数据模拟分析,分析数据运行结果,得出相关结论,证实了算法的有效性。