随着社会的不断发展,生产制造已进入全球化模式,分布式制造是生产制造的重要研究内容,具有NP-hard、多样性、多约束、非线性、分散性、不确定性等特点。在分布式生产制造模式下,复杂分布式流水线调度问题的研究工作主要包括工件如何被合理的分配到工厂中、工件在各工厂中的加工顺序、如何运输加工完成的工件及加工完成的工件如何装配成产品,以实现调度指标的最优化。研究复杂分布式流水线调度问题不仅具有重要的学术意义还具有一定的应用价值,已引起生产调度领域学者的关注。鉴于复杂分布式流水线调度问题的学术意义和应用价值,研究和开发基于该问题的智能优化算法已受到理论界和工业界的广泛关注。分布估计算法(Estimation of Distribution Algorithm,EDA)是一种新颖的基于概率统计的群体智能进化算法,在生产调度领域中得到了可观的研究性成果。因此,本文针对三类重要的分布式流水线调度问题进行基于EDA的求解算法研究。主要工作如下:(1)针对分布式带有限缓冲区的置换流水线调度问题,设计了一种混合的分布估计算法(Hybrid Estimation of distribution algorithms,HEDA)进行求解,优化指标为最小化最大完成时间。首先,在最小完成工厂(LCF)规则的基础上,提出反最小完成工厂映射(ALCF)规则,实现了各工厂工件序到问题解的映射。然后,设计了基于Swap邻域和基于Insert邻域的局部搜索,进而增强了HEDA的局部搜索能力。最后,通过若干规模问题的仿真实验并与其它算法对比,验证了HEDA的优越性。(2)在(1)的基础上,进一步考虑了配送中心,提出了分布式带有限缓冲区的流水线调度与配送问题。针对该问题,设计了一种改进的分布估计算法(Improve Estimation of Distribution Algorithm,IEDA)进行求解,优化指标为最小化最大完成订单时间。首先,根据问题的特性,设计了最早到达配送中心分配(EAD)规则和逆向最早到达配送中心映射(CEADM)规则,实现了各工厂工件序到问题解的正反映射;同时设计了车辆装载工件(VLJ)规则,用于对合理分配工件至装载车辆。然后,设计了结合首次改进跳出机制和Insert邻域结构的局部搜索,对IEDA全局搜索得到的优质解区域进行细致搜索。最后,通过不同问题的仿真实验和算法对比验证了IEDA的有效性。(3)在(1)的基础上,进一步考虑工件装配,提出了分布式带有限缓冲区的置换流水线装配调度问题。针对该问题,设计了一种基于贝叶斯的分布估计算法(A Bayesian Statistical Inference-Based Estimation of Distribution Algorithm,BEDA)进行求解,优化指标为最小化最大完成时间。首先,建立了融合工件位置信息矩阵和序关系矩阵的混合概率模型,用于有效学习优质解信息并引导全局搜索。然后,设计了基于产品装配的局部搜索,以进一步提高算法的搜索效率。通过若干测试问题的仿真实验和算法对比试验验证了BEDA的有效性。