生产调度一直是生产管理中最为重要的环节,良好的调度方案可以有效地提高企业的生产能力和生产效率。自五十年代以来,人们已对经典生产调度做了大量的研究,并取得了令人瞩目的进展。然而,实际的调度过程中,往往存在大量的不确定因素,使得经典调度方案无法正常执行。因此,分析生产过程中的不确定因素,将其引入调度模型,并研究一种有效的优化算法进行求解,具有重要的理论价值和实践意义。当前,不确定性生产调度的优化算法主要有遗传算法、免疫算法、蚁群算法、微粒群算法等,它们都能解决调度优化问题,但实际优化过程中往往要耗用大量的时间。本文针对不确定性生产调度,提出采用量子遗传算法求解,它利用了量子计算的并行特性,具有更为高效的并行计算能力,且因量子遗传算法采用比特编码而具有更好的种群多样性,使得种群规模可以很小而不影响算法性能。论文介绍了生产调度的一些基本情况,重点描述了不确定条件下生产调度的研究现状,比较了几种优化算法的优缺点,介绍了量子遗传算法在解决优化组合问题时存在的优势;随后分析了生产调度的不确定因素,给出相应处理方法,并以模糊数学为基础,建立不确定性生产调度的模糊模型;接着介绍了量子遗传算法,包括其独特的编码方式、量子旋转门更新种群的原理,并分析其特点,提出几种局部操作算子,详细描述了该算法的内容;最后将该算法应用于不确定性生产调度。MATLAB仿真实验验证了该算法的有效性。