作为制造企业的物化中心和制造信息的集散地,制造车间必须实现敏捷化以满足现代制造模式的需求。本文深入研究了在充满复杂信息的实际制造环境下,用于优化制造车间生产过程的制造执行系统(MES)的若干关键技术,提出了较为系统和全面的理论与方法用于MES 的重构、调度、监控与异常处理。复杂信息环境是MES 的实际运行环境。首先从分析MES 中复杂信息的产生机理入手,探讨了以不确定为主要特征的复杂信息环境与MES 如何相互作用、相互影响,使MES 的研究机会和挑战并存。提出了处理MES 中复杂信息的若干策略和关键技术,以期对MES 的研究产生一定的指导意义。为了满足MES 的结构敏捷性和运行敏捷性要求,在探讨先进车间控制方法的共同特征的基础上,提出了的基于Agent 的分布化MES 解决方案,且能够满足制造系统的可重用、可重构和可扩展要求。基于敏捷制造单元的MES 中动态重构是一种能够适应不确定制造环境、具有快速响应性和组织创新性的车间生产组织管理方式。提出了一种新的基于不完全知识和进化博弈理论的动态单元重构模型,它能够面向不确定的需求目标,采用自下而上和自上而下相结合的方法,快速生成稳定优化的可重构制造单元。设计了一种采用基于编号的整数编码方案的简单通用协同进化算法,实现了对重构模型的优化求解。通过一个实例研究,验证了所提出方法的可行性和有效性。复杂信息环境下MES 调度需要采取合适的调度的机制和方法。在探讨车间实时信息的价值的基础上,根据调度与执行之间需要平衡的调度策略,建立了基于时间分解的MES 动态调度模型,对非确定性调度问题进行了合理的简化。提出了一种基于遗传算法的可配置、可扩展的MES 动态调度通用框架,并通过对编码方案、交叉和变异算子等方面的深入研究,设计并开发了适合于复杂信息环境的动态车间调度混合遗传算法(HGA)。开发了MES 动态调度原型试验系统,并通过仿真试验验证了所提出算法的优势。为了进一步改善HGA 的优化效果,提出了一种新的具有免疫机制的HGA,实现了对遗传算法的有益补充。监控和异常处理能够将车间实际运作与MES 重构和调度乃至上层计划系统紧密联系起来,在MES 中具有重要的地位。建立了MES 监控与系统其他组成部分的交互模型,并通过MES 调度执行静态数据和动态运行扰动分析,指出了MES 监控的难易程度和重点。提出了一种基于多Agent 的MES 监控方法,并给出了运行实例。从满足复杂信息环境下MES 的敏捷性要求出发,提出了一种通过Agent 的主观信息搜寻过程和基于二元主观信息的Agent 决策过程来实现异常任务快速再分配的异常处理方法,并通过实例验证了有效性。最后,对全文工作进行了总结,展望了今后研究的方向。