当前全球经济的竞争日趋激烈,如何科学地提高生产效率、快速反映不断变化的市场需求等对于石化企业的生存和发展至关重要,成为企业赢得市场竞争的关键因素。石化企业生产组织的科学管理是提高企业核心竞争力的有效途径之一,而生产计划与调度是生产作业管理的关键,只有科学有效地制定和执行生产计划与调度方案,才能缩短生产周期,减少资源和能源消耗,降低生产成本,提高产品质量。本文以石化工业的批处理生产过程为背景,研究了生产计划与调度的建模与近似求解方法。对并行机调度,研究了基于连续时间的建模方法。针对石化生产的分批决策问题和批组决策问题,分别提出了改进的连续粒子群算法与离散粒子群算法。针对单机集成批调度问题,提出了粒子群算法与人工免疫算法的混合算法；对并行机集成批调度问题,提出粒子群算法与差分进化算法的混合算法；针对多阶段的批流集成批调度问题,提出了基于序优化的离散粒子群算法。研究内容概述如下：1)针对匀速并行机调度问题,研究了基于连续时间的建模方法。在建模过程中,预先给定各处理设备上的时间槽数目,利用0-1变量将加工任务分配到各设备的时间槽中,再通过引入连续变量定义各个时间槽的调度时间表。根据分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了基于3-索引和2-索引的混合整数规划模型。为了提高模型的求解效率,采用两种启发式方法近似计算各设备上所需的时间槽数目,并提出两类启发式模型。通过实验比较了上面建立的混合整数线性规划模型之间的优势和缺点。2)以石化工业生产中具有分叉、聚合、循环和多进多出等多种复杂物流形式的批处理过程为背景,研究了一类分批决策生产计划问题。石化生产分批决策问题是指在满足生产工艺约束的条件下如何确定各加工任务的批量大小及批次数目,以实现优化某种生产指标的目标。该类问题的难点在于工艺约束十分复杂,包括产品输出的柔性分配、有限中间产品存储策略、易变质的中间化学品以及多种复杂的物流形式。为了降低问题的求解难度,首先对问题最优解的性质进行分析。基于该问题最优解的结构与性质,提出一种改进的连续粒子群算法求解该问题。为了解决分批决策问题中的大量复杂工艺约束,算法中引入一种新的约束处理机制,包括前向修复策略和基于约束适应值方法,加速了种群向问题可行解区域的收敛过程。在粒子群算法中还嵌入了针对全局最好粒子的局部搜索策略,进一步改进了算法的性能。算法在小规模的测试集合中,获得所有测试实例的最优解；在大规模的测试集合中,算法与优化软件CPLEX获得的目标函数下界值的偏差均在5%以内。3)针对石化批决策问题中的批组生产计划问题,研究了一类具有固定批量类型的批组决策问题。批组决策问题是指在满足资源和库存等方面约束条件下确定各生产设备上连续生产隶属相同产品类型的多个批量的集合,以实现优化某种生产指标的目标。该问题的特点是设备的生产能力随着时间周期发生变化,批组间切换的调整时间和费用与产品类型相关,并且不允许在两个相邻的时间周期内生产相同的产品。针对该问题,提出一种改进的离散粒子群算法。基于对最优解性质的分析过程,设计一种基于“产品类型-时间周期”的二进制离散粒子编码方法,并提出一种前向启发式算法确定各批组的大小。算法对粒子的速度给出新的定义,构造了一种新颖的移动策略定义粒子的位置更新过程。为了避免算法种群陷入局部最优点,在算法中引入一种粒子速度和位置的扰动策略,有效增加了种群的多样性。通过对大量不同规模的算例进行实验,与商用优化软件的计算结果进行比较,验证了算法的有效性。4)以单台处理机的批处理过程为背景,研究了一类具有可变的批量大小、相同的批量处理时间、与批量加工顺序无关的设备调整费用等特征的集成批调度问题。以最小化客户合同的拖期费用和批量的设备调整费用为目标,对该问题建立非线性混合整数规划模型。提出一种改进的粒子群算法与人工免疫算法的混合算法框架对其进行求解。将粒子编码为各种产品类型的分批方案,通过设计启发式算法确定分批方案中各批量的调度时间表,即批调度决策。为了保证算法始终在可行区域内搜索,设计了对不可行粒子的修复策略。在粒子种群进化过程中嵌入人工免疫算法的优化机制,较好地避免了种群在进化后期容易陷入局部最优点的现象。针对不同参数结构算例的实验结果表明,提出的算法性能优于遗传算法和未引入人工免疫算法优化机制的标准粒子群算法。5)在并行机的生产环境下,研究了一类具有批量大小和处理时间可变、设备生产能力有限和设备处理柔性等特点的集成批调度问题。以最小化makespan为目标,建立混合整数线性规划数学模型。基于对该问题最优解性质的分析,设计了粒子的编码和译码方法,提出一种改进的粒子群优化算法对其进行求解。针对种群进化过程中出现的不可行粒子,采用一种基于比例的修复策略将其修正为可行粒子。为了改进算法种群的解质量,还将差分进化算法的优化过程与粒子群算法相结合。对随机测试实例的实验结果表明,嵌入差分进化算法的混合粒子群算法明显优于标准的粒子群算法。6)以产品装配生产线为背景,研究了带有多工件批流的多阶段集成批调度问题。为了提高算法的求解效率,提出一种基于序优化的离散粒子群混合算法求解该问题。混合算法采用序优化算法作为主框架,粒子群算法作为一个子程序嵌入到序优化算法的整体框架中,以寻找足够满意解为目标进行迭代搜索,有效减少了适应函数的评价次数。算法采用实值编码方法,将粒子表示为所有待加工工件的一种可行排列,并提出一种启发式算法求解每个工件的单工件批流问题,依次将工件排列中各个工件安排到两个阶段的生产过程中。为了改进初始种群的解质量并增加种群的多样性,提出构造式的启发式和随机启发式两种方法产生初始种群。通过与该问题的文献中报道的最好算法相比,平均解间隙值缩小了1.42%,与问题目标函数下界值的平均偏差在5.43%以内,验证了算法的性能。