本文提出一种新颖的混合搜索算法解决复杂流水线调度问题,包括单目标带序列相关准备时间的流水线调度问题和多目标普通流水线调度问题。它们都是有着广泛工程和理论背景的NP难问题。文章首先采用基于种群的局部搜索算法,解决带序列相关准备时间的流水线调度问题。该算法的创新点主要有两个,分别是整体搜索和插入局部搜索。在初始阶段,算法采用针对本问题特定的NEH启发式算法初始化当前种群。在算法中采用基于重干扰操作的整体搜索用于更新整个种群,同时采用插入局部搜索以一定的概率提高种群中个体的质量。为验证该算法的性能,本文使用基准数据与其它优化算法进行对比实验。实验结果显示,相同运行时间下,该算法比其它算法有更好的性能和效率。其次采用基于生物地理学优化算法的混合搜索算法解决多目标基本流水线调度问题,生物地理学优化算法是将生物地理数学化的一种进化算法。本文提出算法在基本生物地理学优化算法的框架基础上结合高效的局部搜索算法,包括整体搜索和插入局部搜索,同时也结合新颖的更新栖息地策略。该算法在保证栖息地多样性的情况下同时有较快的收敛速度。同样为证明该算法的性能,采用普通流水线调度问题的基准数据进行对比实验,通过特定的评价指标,该算法在提高解的质量方面较其它一些多目标算法有更好的性能和效率。