目前,我国传统制造业处于生产模式转型的重要阶段,逐渐由大批量、流水生产模式向多种类、小批量柔性生产模式转型,对企业实现高效、智能化生产提出了更高的要求,因此,出现了分批调度问题（Scheduling With Lot Streaming Problem,SLSP）。SLSP的研究对车间智能生产具有重要的学术价值和工程意义。结合已有的文献资料,进一步研究了考虑批量流（Lot-Streaming,LS）的车间调度问题。考虑柔性作业车间（Flexible Job Shop,FJS）和柔性流水车间（Flexible Flow Shop,FFS）生产环境,基于均等分批和一致分批的分批策略,分别建立了相应调度问题的整数规划模型,并用遗传算法（Genetic Algorithm,GA）求解,通过数值算例验证了方法的有效性。主要研究工作概述如下:针对FFS批量调度问题,以最大完工时间（Makespan）最小为目标,建立了FFS批量分割和调度集成优化模型,并用GA进行求解。针对该问题的特点,提出了基于订单排序、子批数量和子批大小的三段编码方案,利用组合遗传算子以及基于精英策略的锦标赛选择方法,结合重新启动机制、局部搜索算法,弥补GA在局部搜索方面的不足。通过24组数值实验,验证了方法的有效性,分析了不同分割方案对调度结果的影响,证明了一致分批方案的优越性。针对多目标FJS批量调度问题,以最大完工时间（Makespan）最小和运输距离最短为目标,建立了FJS批量分割和调度集成优化模型,并用GA进行求解。针对该问题的特点,提出基于机器选择、工序排序和批量分割的三段编码方案,设计了基于工序约束的冲突检测手段,利用组合遗传算子以及基于精英策略的锦标赛选择方法,结合重新启动机制、局部搜索算法,弥补GA在局部搜索方面的不足,通过数值算例验证了所提方法的有效性,分析了不同分割方案对调度结果的影响,证明了一致分批方案的优越性。研究结果表明在柔性车间生产环境中考虑批量分割很有必要,考虑批量分割比不考虑批量分割具有更短的生产周期、更均衡的机器负荷、更少的机器闲置。研究结果对于提升柔性车间的作业管理水平具有一定指导意义。