随着工业竞争的加剧,制造业企业面临的危机也更加严重。提高生产效率和服务质量是企业在竞争中突围的一个重点。在传统的车间问题当中,往往认为工件的加工时间已知或是个常数,实际生产中由于设备磨损、工件的物理特性等导致工件的加工时间随开工时间变化的状况称为加工恶化。恶化问题是钢铁加工行业、服务业等很常见的一种现象,任务的拖延可能导致其加工时间增加从而导致完成时间的延长,影响企业生产效率。带恶化特征的车间调度问题大多为NP-hard问题,求解困难。因此,对带恶化工件的车间调度问题的研究对于实际生产效率的提高以及求解方法改进兼具现实和理论意义。本文分别对线性恶化和阶梯恶化两种恶化模型进行探讨,根据所研究的问题建立数学模型或计算方法,进而设计智能优化算法求解。主要研究内容分为三个部分:首先研究了带线性恶化的柔性流水车间调度问题,目标为makespan。假定每个加工阶段有多台无关并行机,建立混合整数规划模型,提出一种融合变邻域搜索过程和遗传算法的混合优化算法（HGA&VNSP）。基于二维矩阵编码方案,设计交叉操作和变异操作,提出遗传参数的自适应更新过程;采用变邻域搜索对较优个体进一步更新;引入CDS启发式,扰乱种群防止GA收敛过快。算例测试结果表明HGA&VNSP能够在较短的CPU时间内获得更好的近优解。线性恶化问题目前已经有一些研究,在此基础上对带阶梯恶化特性的问题进行探讨。以最小化总拖期为目标研究了带阶梯恶化的置换流水车间的调度优化问题。提出了一种融合变邻域搜索过程、NEH和GA的混合启发式。引入基于提前交货期规则的NEH(NEH_edd)启发式改进初始种群,针对得到提高的GA新解进行变邻域搜索以进一步提高解的质量。实验测试表明,利用NEH_edd生成40%的初始种群效果最好;针对不同规模问题的实验结果表明所提算法在求解上具有明显优势。进一步的,对车间环境更复杂的柔性流水车间进行研究,以最小化总加权完工时间为目标探索带阶梯恶化的柔性流水车间。考虑带阶梯恶化和序列相关准备时间的多阶段的无关并行机的调度问题,建立整数规划模型,提出改进离散人工蜂群算法进行求解。设计一种基于实数编码的动态初始解生成机制,雇佣蜂采用遗传算法进行改良搜索,在跟随蜂搜索操作中引入变邻域搜索以提升算法搜索能力,侦察蜂采用贪婪启发式扩大解空间。为验证算法的求解性能,使用正交试验法优化算法参数设置,对不同算例的实验结果表明改进后的人工蜂群算法在求解方面表现更优。本文研究了两种车间环境下的调度问题,分别以makespan、最小化总拖期、最小化总加权完工时间为目标进行探讨,并根据所研究问题的特性提出相应的算法进行求解,丰富了对车间调度的恶化问题的研究,也为实际加工生产提供了一定依据。