车间调度通过优化资源分配、任务指派和操作排序实现节能减排、提质增效,是制造系统的重要组成部分。相比于传统单目标车间调度,车间多目标调度问题具有多目标、强约束、高维度、大规模、非线性等特点,求解难度更大,其建模与优化极具挑战性。群体智能算法在车间多目标调度问题中展现出良好的求解性能,这类方法使用方便,易于理解,应用其求解车间调度问题时,对所求解的问题数学性质要求不高,易于获得令人满意的调度解。群体智能优化算法为解决多目标调度问题提供了一种新的有效方法,是智能制造领域学术界前沿研究热点。作为世界第一制造大国,制造业在促进我国快速发展的同时,也带来了高能耗、高排放、高污染等一系列严重后果。因此,研究车间多目标绿色调度问题具有重要的理论价值与实际意义。本文将生产调度理论和方法与群体智能算法相结合,以并行机、混合流水车间和柔性作业车间等典型车间为对象,系统研究了车间多目标绿色调度问题及其求解方法。本文主要工作如下:针对并行机多目标调度问题,建立了同时最小化拖期成本和噪声排放为目标的调度模型,提出了一种新型多目标蛙跳算法。该算法设计了一种分段式双层编解码机制解决机器分配与加工速度选择问题。通过非支配解分层和拥挤度指标实现种群的全局搜索与高效排序,并依据个体的分层属性值和拥挤度数值构建模因组（memeplex）。采用锦标赛方法选择优化青蛙个体,通过多交叉算子融合策略,增强青蛙个体更新的质量,提高局部探索效果。运用基于精英策略的种群更新策略有效扩大采样空间,通过模因组的重构,实现各模因组间的信息共享和流动,提高算法的收敛速度。设计实验验证多交叉算子融合策略在提升算法性能方面具有明显的积极作用,仿真实验结果验证所提算法比其它经典算法更优,能有效求解并行机多目标调度问题。针对混合流水车间多目标调度问题,建立了以makespan最小和噪声排放最小为目标的调度模型,提出一种改进的多目标蛙跳算法。设计了基于序列编码的双层编解码机制。针对不同层次的编码采用差异化个体更新方式,第一层编码采用基于位置的交叉、循环交叉与子路径交换交叉生成新个体,第二层编码采用算术交叉和均匀交叉生成新个体。设计基于分解的外部档案维护策略,该方法利用混料均匀设计法实现分区处理,采用基于惩罚的边界交叉方法实现非劣解的筛选,提高了Pareto解的分布均匀性。设计实验验证了外部档案维护策略的有效性,将所提算法与其它经典算法进行对比实验,结果表明所提算法优于其它算法。针对柔性作业车间多目标调度问题,建立了以makespan最小和噪声排放最小为目标的调度模型,提出一种改进的多目标人工蜂群算法。设计了一种三维向量编码方法,利用活动调度进行解码,保证了算法进化的高效性。采用随机规则、分层策略与翻转规则相结合的方法进行种群初始化。雇佣蜂搜索阶段采用多算子机制分不同向量进行交叉操作,以构筑蜜源间的信息交流机制,并构造评价函数判断蜜源个体优劣以更新邻域解。观察蜂搜索阶段通过融合基于关键路径的邻域结构和过滤-扇出算法构建局部搜索,以进一步强化局部探索能力,并设计数值实验验证了该融合策略的有效性。将所提算法与其它算法进行对比实验,结果表明所提算法优于其它算法。结合上述理论成果,针对某发动机冷却风扇加工车间,结合生产车间所属的调度类型,分析了实际车间中存在的多目标调度问题,将上述研究成果应用于实际车间调度,结果验证了所提方法的实用性。最后对全文所做工作进行了总结,并对下一步研究方向进行了展望。