随着制造自动化技术的提高与人力成本的提高,在生产制造单元中引进搬运机器人(AGV:automated guided vehicle)的现象比较常见。企业为了实现快速响应、尽早交货的目标,这需要在建立合理的生产模型的情况下利用优秀的优化算法求解。在传统的柔性作业车间模型中,忽略了加工工件在设备与设备间的移动时间,然而这些时间是客观存在的,且占工件总加工时间的比例可观。近年来,越来越多的学者在研究作业调度问题时考虑工件在生产设备间的搬运时间。为了研究AGV最优调度方案使加工时间最小和最佳AGV数量,本文建立了含AGV的柔性车间调度模型。针对该模型的特点,提出基于搬运工序、加工设备和AGV分配的粒子编码方式,并结合遗传算法的思想采用新的粒子群算法更新位置方式。通过数值算例验证了改进粒子群算法的有效性和可行性,并发现AGV符合边际效用递减规律,即随着AGV数量的增加,总加工时间减少,但每增加一台AGV缩短的时间变少。在具有行为效应的含AGV柔性车间调度问题中,在含有AGV的柔性车间调度模型的基础上结合学习恶化效应,采用改进的鲸鱼算法结合混沌局部搜索求解。通过数值算例验证了算法的有效性和可行性,并发现不同的效应因子对加工时间的影响不同;发现学习效应、恶化效应、学习-恶化效应、不考虑效应这四种情况对加工时间的影响不同;并发现不同批量与数量不同的AGV对加工时间的影响也不同。在柔性车间内AGV最优替换比问题中,本文建立了员工、AGV共同搬运的柔性车间调度模型,并以完工时间最小、成本最少为目标。针对该模型的特点,提出启发式规则分配AGV、员工搬运操作。通过算例得出AGV最优替换比,并发现AGV最优替换比和AGV价格有关。