“中国制造2025”的提出,深化了信息技术与制造技术的融合,形成了新一轮产业竞争的制高点。作为信息化与工业化融合的典型代表,云制造已成为“中国制造2025”战略规划的重要内容之一。然而云制造的相关理论与研究在调度中的应用还存在一些问题有待深入研究。本学位论文在国内外相关研究的基础上,结合生产流程,探索云制造环境下面向过程的生产调度问题。通过对云制造环境下生产任务分解、企业间生产调度、车间级调度等关键技术问题的研究,建立了一套调度优化框架,以满足云环境下整个生产流程的调度需求。具体研究工作与成果如下:从云制造关键技术和云制造调度特性出发,结合云环境下调度的属性构建了云环境下面向过程的生产调度优化系统,并对所建立的优化系统中关键技术问题进行了逐一研究。针对云制造任务分解问题,建立了云制造任务分解优化模型,将BOSS树的思想引入到云环境下生产调度的任务分解环节中,提出了基于BOSS树的任务分解优化算法。首先,研究了云制造任务的相关度量方法;其次,基于云制造任务分解原则,建立了考虑云制造任务内交互关系的分解优化模型;再次,根据BOSS树思想,提出了包含生产任务全生命周期的任务分解优化算法,并通过启发式规则对算法进行优化,有效解决了云制造任务分解和服务任务匹配的脱节问题;最后,通过实例验证了算法的可行性及有效性。针对云制造环境下企业间生产调度问题,建立了企业间生产调度数学模型,在考虑多个目标的情况下,提出了基于拥挤度的带精英策略非支配排序的改进遗传算法（NSGA-II）。首先,对跨企业生产模式进行了分析;其次,建立了云制造环境下企业间调度的数学模型;再次,设计了多层二维矩阵分级编码,并对NSGA-II算法进行了基于拥挤度的自适应进化策略改进;最后,通过实例研究验证了改进模型和算法的有效性。针对车间层的生产,将同时生产云任务和本地任务的车间调度问题和仅生产云任务的车间调度问题分别进行研究。对同时生产云任务和本地任务的车间:首先,分析了该生产模式中遇到的混合车间任务调度问题并建模;其次,对比了差分进化算法和遗传算法的特点,将遗传算法有效处理离散变量及差分进化算法有效处理连续变量的优点融合,并根据生产现状提出了一种基于差分进化的混合遗传算法;最后,通过实例检验了算法的可行性和有效性。对仅生产云任务的车间:首先,根据生产问题建立了以最小总完成时间为目标的混流车间调度模型;其次,提出了一种改进的混合免疫克隆选择遗传算法,重新构造了算法的抗原识别、抗体编码和解码的过程,重新构造了亲和度函数,并对算法中的抗体群进行克隆、变异、交叉和选择等混合操作,最后,用两个仿真实验验证了新算法的可靠性。根据本文提出的云制造环境下的调度优化系统,对系统开发环境、Matlab程序集成、数据服务过程等进行了相关研究,结合云任务分解、企业间调度、车间调度三个关键技术问题的研究结果,对系统功能模块进行了设计,并进行了原型系统初步开发。