模糊环境下的柔性作业车间调度(Flexible Job-Shop Scheduling，FJSS)问题是实际生产系统中的核心问题之一，它是由古典作业车间调度(Job-ShopScheduling，JSS)问题逐渐引申、发展而来的。古典JSS问题是一个经典问题，至今还是一个研究热点，由于JSS问题对机器加工路线做了限定，因此难以适用于柔性制造系统。FJSS问题对古典JSS问题进行了扩展，允许操作可以在多台机器上进行加工，从而更加接近实际工作环境，具有重要的理论价值和工程意义。 现有的针对FJSS问题的研究大都建立在对调度环境进行严格限制的基础上，强调各类限制条件和生产信息预先明确，然而在实际生产环境中，存在人力、机器、环境等因素的影响，致使包括时间参数和约束条件在内的相关信息无法准确预知，存在模糊不确定性。本文将FJSS问题从严格限定的理想环境拓展到逼近现实的模糊环境中，使其具有更强的灵活性和实用性。 首先，本论文研究了以最小化制造跨度为目标的，具有模糊加工时间与模糊操作延迟的Total Flexible Job-Shop Scheduling(TFJSS)问题。本文引入模糊理论和可能性理论，针对该问题的子问题，分别采用区间数有符号距离测度、可信性测度等方法，进行了系统的阐述，最后分别通过遗传算法进行有效求解。 其次，本论文研究了以最小化制造跨度为目标的，具有模糊加工时间的Partial Flexible Job-Shop Scheduling(PFJSS)问题。针对该问题，本文采用三角模糊数来表征时间参数，并研究了预处理算法将PFJSS问题转化为更容易处理的TFJSS问题，最后通过遗传算法进行有效求解。 最后，本论文研究了以最小化提前／拖期惩罚为目标的，具有模糊加工时间与模糊交货期的FJSS问题。针对该问题，本文结合有符号距离测度和区间数距离测度方法，构造出一种具有更高计算精度的提前／拖期惩罚函数，最后通过遗传算法进行有效求解。