随着现代制造业的发展，市场越来越趋向于产品个性化和多样化定制，生产调度管理者对车间运作效率、生产模式的标准化和精细化要求也在日益提高，因此，越来越多的企业开始转型，采用多品种小批量混流作业方式，以达到优化生产调度、缩短生产周期、降低生产成本和提高企业利润的目的。然而在产品生产过程中，经常出现许多突发状况，如紧急订单插入、机器故障、加工延迟等，不仅严重干扰正常生产秩序，而且增加了车间运作的不确定性。　　基于柔性制造车间常用评价指标，以最大完工时间、机床总负荷、最大加工成本和最大单个机器负荷为优化目标，建立多品种小批量混流作业车间静态调度模型，并将机器故障、紧急订单插入和普通订单插入三种常见的干扰因素转换成为模型约束条件，获得更加适应车间调度实际状况的动态调度模型。　　针对车间多目标调度模型的求解，在多目标布谷鸟搜索算法(Multi-objective CuckooSearch Algorithm，简称MOCS)的基础上，自适应调整部分参数和莱维飞行步长，加入双向搜索策略，并引入模拟退火思想，形成计算性能更加优越的改进多目标布谷鸟搜索算法（Improved Multi-objective Cuckoo Search Algorithm，简称IMOCS）。此外，采用双层规划编码方式，以原始和改进多目标布谷鸟算法以及改进非支配排序遗传算法(Non—dominated Sorting Genetic Algorithm，简称NSGAⅡ)，分别对动态调度模型予以求解，并从收敛效率方面对三种智能优化算法作以评价，选择出更加适合四目标动态调度模型的优化算法，证明了改进算法的可行性。在利用智能算法求解车间调度模型得到Pareto解集后，运用层次分析法(Analytic Hierarchy Process，简称AHP)建立判断矩阵，并分别计算得到四项优化目标的权重值，在Pareto解集中选择出最优加工顺序和机器排序。　　最后，以某多品种小批量混流生产企业调度信息为例，经过计算和结果对比，证明了车间动态调度模型的合理性，以及改进多目标布谷鸟搜索算法的优越性。