钢铁行业是支撑国民经济发展的重点行业,而轧辊磨削是轧钢生产的重要组成,作为典型的混合作业产线,轧辊磨削产线的排程方案直接影响轧钢生产的效率。与单一柔性作业车间或天车调度问题不同,混合作业产线需要同时考虑多工件、多工序、多设备和多天车,调度规模大,影响因素多,排程极为困难。传统基于人工经验的专家系统虽能得到可行的排程方案,但无法保证方案的性能最优。国内外学者已就单一柔性作业车间或天车调度问题进行了广泛而深入的研究,同时部分学者研究了考虑运输时间、包含单天车的柔性作业车间调度问题,但单天车系统回避了多天车之间的干涉问题。如何在“工件-机器-天车”时空耦合的约束下实现高效智能排程,是当前混合作业产线面临的关键问题。论文以轧辊磨削产线这一典型混合作业产线为对象,深入开展智能排程方法研究,以解决混合作业产线高效调度的难题。首先建立混合作业产线调度问题的数学模型,进而提出了一种基于改进遗传算法的智能排程方法并进行仿真验证,最后使用西门子Plant Simulation软件对所提出方法进行场景验证。具体内容如下:（1）对轧辊磨削产线的生产过程进行分析,从问题优化的角度出发,明确了调度排程问题的目标、变量及约束条件,选择最大完工时间最小化作为目标函数。给出了工件工序、机器、天车三者之间的时空约束,最终建立了混合作业产线调度模型,并以遗传算法为例给出模型的寻优收敛过程,为算法改进提供基础。（2）提出了改进遗传算法,在染色体编码与初始解生成、选择、交叉、变异等环节进行改进,生成混合作业产线调度问题的可行解,并增强其寻优与跳出局部最优的能力。在解码部分根据天车动作设计了一系列算子,实现基于动作分解的天车调度,最终形成了时空耦合约束下的混合作业产线排程方法。将改进遗传算法与原始遗传算法和基于人工经验的排程算法进行对比,结果表明所提出的改进遗传算法明显更优。（3）将改进遗传算法应用于西门子PlantSimulation软件进行场景验证。设计了两个典型场景,并完成场景的模型设置、天车与物料控制设置。采集场景验证数据并进行分析,结果表明,与仿真验证一致,所提出改进遗传算法在场景验证中相对其他两种方法展现出了更好的有效性和优越性,为解决混合作业产线调度问题提供了核心算法支撑。