在制造领域,高效率、高柔性、高可靠性是制造企业追求的重要指标,优化调度是实现这些指标的重要环节之一。随着现代集成制造系统的不断发展与完善,人们对智能车间调度的要求也随之增高。传统的车间调度问题是在实际生产调度问题的基础上进行简化得来的,而柔性作业车间调度问题是在传统的作业车间调度问题上扩展出来的一类更加灵活复杂的问题。相对于传统的调度问题,柔性作业车间调度更加贴近现实生产中的制造环境,更符合现代柔性制造的理念。柔性作业车间调度是NP-hard组合优化问题,问题规模越大复杂度就越高。群体智能算法因其搜索效率高、鲁棒性强的优点,在求解车间调度组合优化问题上展现出很好的性能。本文研究了三种类型的柔性作业车间调度问题,并采用几种不同的算法来进行求解。主要内容如下:(1)采用蝙蝠算法求解以最大完工时间最小化为单目标的柔性作业车间调度问题,根据问题的离散特性以及算法局部搜索能力弱的缺陷,利用遗传算法中的交叉操作辅助蝙蝠算法寻优,提出一种混合遗传蝙蝠算法。首先采用基于机器的编码方式完成问题解空间到算法可以处理的搜索空间的映射,并通过三种方式产生初始种群来提高初始种群的质量与多样性;然后引入动态递减的权值辅助蝙蝠搜索解空间,根据编码方式提出混合列交叉方法完成位置更新,避免无效解的产生;最后通过多组对比实验验证改进措施的有效性以及算法的性能,结果对比证明了该算法求解调度问题时的有效性及优越性。(2)为求解具有多个目标约束的柔性作业车间调度问题,本文结合Pareto概念提出基于Pareto解集的离散人工蜂群算法。由于经典人工蜂群算法的选择概率计算方式不适用于多目标问题,本文根据Pareto支配概念,将排序引入选择概率求解当中;为克服人工蜂群算法邻域搜索方式不适用于离散问题的缺陷,采用基于变异操作的邻域搜索方法进行寻优,并使用混合列交叉算子提高种群的多样性;然后通过harmonic平均距离对Pareto解集进行裁剪以完成对Pareto解集的更新;最后通过多组具体的多目标调度数据验证了算法在求解该调度问题时的有效性。(3)针对工时为区间数的不确定性柔性作业车间调度问题,本文提出一种改进人工蜂群算法来求解。采用双层编码方式确定工序对加工机器的选择以及工件的加工顺序,直接避免了工序加工时的机器冲突问题;利用区间可能度比较方式选择更优解,并提出基于区间可能度的选择概率计算方式;考虑双层编码的不同情形,使用两种不同的更新方式进行位置更新;最后通过多个调度实例验证了算法在求解不确定调度问题时的有效性。