单阶段多产品批处理过程是化学工业中常见的生产线之一，具有设备处理柔性、批量有限性和不可忽略的产品切换成本等特点，使得其调度比一般生产调度更难以处理。近20年来，它的短期调度引起了学者的广泛关注与研究。量子遗传算法（Quantum GeneticAlgorithm，QGA）作为一种新兴的智能优化算法，因其具有种群多样性，良好的探索能力，不易陷入局部最优，易与其他算法混合等优点，逐步成为算法研究的热点。本文围绕着QGA在单阶段多产品批处理调度中的应用展开了相关的研究。论文的主要工作如下：（1）针对基本QGA收敛时间长、易陷入量子“长度灾”这一缺点，提出了一种改进的QGA（Real-Coded Quantum Genetic Algorithm，RQGA）。首先，在RQGA中构造了逼近算子替代了传统的量子旋转门，避免了烦琐的查表操作，有效地减少了算法收敛时间；其次，略去了量子观测，对量子进行直接编码，克服了由变量太多而引起的量子“长度灾”，扩大了量子遗传算法的适用范围。（2）针对单阶段多产品批处理问题，探讨了RQGA在其调度中的应用。建立了以最大化生产利润为目标的混合整数线性规划模型（MILP），并通过实数编码实现量子个体与加工排序的一一映射。通过对典型实例的仿真实现和分析比较，验证了RQGA在单阶段多产品批处理调度问题中的有效性和可行性。（3）针对印染行业染缸排产问题，通过基于时间间隙的思想，建立了满足交货期前提下最小化生产成本为目标的MILP模型，并将基于实数编码的量子遗传算法应用于求解该模型。模型求解过程中采用了一种新的并单和拆单的思想，即不考虑需求的订单来源，将同一产品求总后进行直接并单拆单，简化了求解过程。最后，通过仿真实例验证了模型的有效性和可行性，同时也验证了量子遗传算法在染缸排产问题调度中的实用性。最后，对论文的研究工作进行总结，展望了量子遗传算法和单阶段多产品批处理调度的理论研究和应用前景。