作为一类劳动密集型的制造业,服装生产的任务调度与控制主要依赖于生产管理者的知识、经验甚至直觉。这导致生产决策往往不是最优并且是不可靠的。同时,随着小批量生产的流行与产品款式的频繁变化,单靠人工进行生产任务调度已无法满足当前服装快速生产的要求。本文针对服装生产中的任务调度要求,对生产任务调度问题进行了分析与建模,提出了基于一类改进的离散差分进化算法的任务智能调度模型。在此基础上,开发了集离散事件仿真模型与任务智能调度模型于一体的生产调度专家系统,为服装敏捷制造过程中的生产计划与控制提供科学的决策。本论文研究的主要贡献和创新点如下1.根据服装混合流水线的特点对任务调度问题进行数学建模,给出了其目标函数与约束条件。针对多目标的总体评价问题,提出了效用函数用于综合多种效用值,并给出了效用函数的定义。2.提出了利用离散事件仿真模型实现对混合流水线动态过程的模拟,解决了无数学方程可直接获取混合流水线动态性能目标的难题。此外离散事件仿真模型还能为管理者提供直观的方式用于微调调度策略,为管理者手动分配任务提供一种便捷的途径。3.提出一种基于Pareto最优集思想的改进离散差分进化算法,该算法有效地增加了种群的多样性,解决了传统差分算法过早收敛的问题。同时,将改进的离散差分算法用于服装生产中的任务调度问题。大量实验结果表明了该算法的正确性和有效性。4.开发了一类适用于服装企业手工制衣流水线的任务智能调度专家系统,给出了其程序结构及主要模块的实现过程,并对其应用结果进行分析与讨论。本文提出的基于Pareto选择策略的离散差分进化算法,以及基于此算法的任务智能调度专家系统,将使国内服装企业受益于由科学的任务分配策略所带来的生产敏捷性和生产效率的提升,增强它们在全球服装行业中的竞争优势。