离散制造企业具有产品结构复杂、工艺路线灵活、生产能力有限、产品需求数量不均衡、绩效管理目标冲突等特点,受此影响,其产品生产制造过程的计划、组织、协调往往较为困难。主生产计划是企业资源计划体系的核心,它将计划体系中的战略计划转换为战术执行操作,是下游物料需求计划和能力需求计划的主要输入来源,决定着企业所有产品零部件以及物料的生产与供应。在整个计划体系中起到承上启下的作用,实现企业计划管理从战略到战术、从宏观到微观、从粗到细的转变过程。由于主生产计划在生产计划系统中的重要作用,必须保证主生产计划的有效性和现实性,否则公司可能对客户的需求不能及时响应或浪费资源。本文以离散制造企业主生产计划为研究对象,在分析国内外关于主生产计划理论体系、方法和应用现状的基础上,综合运用系统、集成的方法,研究了离散制造企业主生产计划管理的模型和方法,本文的研究内容主要包括以下四个方面。(1)介绍了离散制造企业及其主生产计划的内涵,分析了主生产计划创建过程中的输入参数、输出参数及目标参数的项目构成要点。以此为基础,在深入研究现有企业资源计划体系中存在的主生产计划、物料需求计划和能力需求计划相互割裂、缺少优化机制等相关问题的基础上,提出一种多目标集成生产计划模型,构建了集成生产计划的概念模型、过程模型和制造清单模型,阐述了集成生产计划的层次结构、运行逻辑、制造系统中的物流及工艺关系,说明了集成生产计划的优势。(2)针对主生产计划制定中生产能力均衡利用问题,建立了基于均衡生产的单产品、多阶段、多目标主生产计划模型,模型除考虑净需求和生产能力约束外,还考虑均衡生产、按时交货、库存占用以及加班生产四个绩效管理目标。基于模型多目标非线性整数规划的数学特征,设计了基于自动调节策略的遗传算法(AT-GA)进行计算求解。该算法设计了一种整数变量染色体的编码方法,以适应模型的约束条件;采用理想点法对模型四个非线性目标进行多目标处理,以获得适应值函数;使用模糊逻辑控制技术(FLC)来自动调节交叉、变异算子的参数变化,以平衡算法的全局和局部搜索能力,从而增加遗传算法的计算能力。通过对所提出的模型和算法进行两个算法实验,分别验证AT-GA处理多目标的能力和算法搜索能力,最后对模型参数进行了敏感性分析。(3)针对主生产计划制定受物料、生产能力限制缺少优化机制的问题,提出一种在资源与物料双重约束下的多产品、多阶段、多目标主生产计划模型,模型以按时交货、降低库存、减少加班生产、保持安全库存为目标。针对模型的特点设计了基于对偶理论的自适应粒子群优化算法(DTA-PSO),采用分层整数编码定义粒子结构,使用对偶式更新机制来代替传统更新机制,即将归一化粒子速率定义粒子中元素的更新概率。引入正反元素的概念,将粒子中的各个元素划分为正反元素,基于更新概率成对更新正反元素,该机制有效保障更新后粒子的可行性,并且较大程度规避了无效搜索,从而提升算法的搜索能力。引入了自适应参数机制,该机制能根据迭代次数的变化,自动调节算法参数,从而有效的平衡算法的全局和局部搜索能力。与Lingo对比实验发现,当问题复杂度过高时,Lingo已无法得到有效解,而DTA-PSO求解时间不会随着问题规模的扩大而呈现不稳定的状态。与传统粒子群算法(PSO)的对比,在适应值指标和收敛代数指标上都要好于传统PSO,验证了该算法在求解非线性整数规划方面上的优势,最后对模型参数进行了敏感性分析。(4)针对需求不确定环境下多目标主生产计划优化问题,将企业各项产品在各个计划期的毛需求考虑为不确定变量,考虑其主观和客观不确定特征,使用三角模糊随机数对其进行度量,同时考虑库存水平、产品未满足需求、产品低于安全库存水平以及资源超负荷产能四个目标,建立了带有模糊随机变量的多目标主生产计划模型。针对模型带有模糊随机变量、多目标函数以及整数决策变量等特征,设计了一种集成模糊随机仿真的自适应多结构粒子群算法(FRS-AMPSO)进行计算,该算法采用0-1变量的二进制编码,以适应模型决策变量的离散特征;将模糊随机仿真技术集成于粒子性能评估的过程,从而有效的解决了模型中带有不确定变量的问题;采用多结构的粒子更新机制,扩展了粒子间社会学习的机会,从而提高了算法后期局部搜索能力;引入自适应的变异算子和惯性权重的改进方案,以提高算法前期全局的探测能力。通过对所提出的模型和算法进行两个不同规模的主生产计划问题的情景模拟,分别验证了FRS-AMPSO处理实际需求不确定多目标主生产计划问题的性能,最后对模型参数进行了敏感性分析。