随着生活质量的提高,市场需求也有了巨大变化,传统的量产模式已经不能满足人们的个性需求。而柔性生产能够小批量地加工定制化的产品,从而满足消费者的多样性需求。传统制造一台机器只加工一道工序,而柔性产线中的每台机器都可以加工多道工序,从而提高了设备的利用率。因此柔性产线被广泛使用。车间生产的调度问题关系着车间的资源利用率和生产效率,因此柔性作业车间调度问题（Flexible Job Shop Scheduling Problem,FJSP）有着重要的研究价值。车间生产过程中可能会出现机器突发故障等紧急情况,此时需要对车间的生产任务重新进行动态调度。良好的动态调度策略可以最大程度地降低意外事件对车间生产的影响,所以研究动态调度策略具有现实意义。本文提出了一种改进的ICA算法（Improved ICA,I-ICA）,采用混合初始化策略替代原始ICA的随机初始化来提高初始解的质量。原始ICA仅适用于连续优化问题,而FJSP是组合优化问题。本文借鉴了遗传算法（Genetic Algorithm,GA）中的杂交思想,利用交叉和变异操作改进ICA的同化机制,使ICA可以求解FJSP。同时,ICA的革命机制会随机将一部分解替换成新解从而维持种群多样性。使用标准测试算例对I-ICA的求解能力进行验证,结果表明I-ICA具有很好的全局搜索能力和较高的求解稳定性。机器故障是车间中常见突发事件。预测调度可以基于历史数据对机器发生故障的时刻和修复故障所需时间进行估计。然而现实中机器故障的相关信息并不总是能被精准预测。为此本文提出了二阶段动态调度策略,在机器发生故障和修复故障的时刻分别执行动态调度,从而保证了机器故障情况下车间生产的顺利进行。并将预测调度、周期驱动重调度和二阶段动态调度策略结合在一起制定了动态调度整体方案。仿真实验假设了多种故障情景,使用I-ICA和改进的NSGA-Ⅱ两种算法在单目标动态调度和多目标动态调度两种情况下验证了二阶段动态调度策略,结果表明了二阶段动态调度策略的有效性。