生产调度是工业活动中的一个重要环节,合理的生产调度计划能够优化车间资源配置、提高设备利用率、降低制造成本,从而提高企业竞争力和市场效益。传统的研究大部分都集中于作业车间调度问题JSP(Job-shop Scheduling Problem)上,而装配作业车间调度问题AJSP(Assembly Job-shop Scheduling Problem)作为JSP更为贴合实际的一类问题,却受到较少关注。在AJSP中,调度过程通常面向具有多层级树状结构的产品制造,产品经由加工和装配两个阶段完成生产过程,其既要考虑任务的工艺顺序约束,还要考虑各层级任务间装配关联约束,即关联零部件只有齐套才能开始装配,因而具有更高的复杂性和挑战性。本文把此类含多层级装配型结构的问题称为多层级装配作业车间调度问题MAJSP(Multi-level Assembly Jobshop Scheduling Problem)。分批作为生产系统中重要的技术手段之一被广泛应用于实际调度中,通过合理的分批能够提升子批在车间的流动性,从而缩短完工时间和提高生产效率。在MAJSP中考虑分批调度时,各层级零部件子批的调度将更加灵活与复杂,因任务的随机分批与各子批任务间存在的装配约束关系都会给问题的寻优求解与实际生产管理带来很大的困难性。故针对多层级装配作业车间中的分批调度问题,设计使用高效的分批策略与调度算法对提升任务间协同性与子批的流动性具有重大的研究意义与学术价值。首先,本文分别综述了作业车间分批调度问题与装配作业车间分批调度问题的研究现状,在总结分析了现有研究不足的基础上首次提出了面向多层级装配型产品的分批调度问题。通过对多层级装配作业车间分批调度问题中的难点分析,构建了以完工时间最小化为优化目标的数学模型,并基于分批调度问题中的两种处理策略:分步优化策略与集成优化策略,提出了本文问题整体的求解流程框架。然后,根据分步优化策略提出了以遗传算法优化分批与分派规则优化调度相结合的分层迭代优化算法,通过仿真实验比较了不同分批策略与分派规则在不同产品结构下的性能表现;其次根据集成优化策略将分批方案与调度方案进行统一编码,并基于遗传算法分别提出了全域搜索算法和可行域搜索算法,其中在含传统遗传进化算子的全域搜索算法中加以修复操作以使不可行染色体满足各层级之间的装配约束而转化为可行染色体,在可行域搜索算法中设计了改进型的种群生成方式、交叉算子与变异算子以使其遗传进化过程都在可行域中进行,之后通过仿真实验对比了分层迭代优化算法、全域搜索算法、可行域搜索算法三者的求解效果。最后,在可行域搜索算法中耦合了多种分批策略用于求解,其中提出了在加工/装配两阶段对工件进行批量划分的四种分批策略,以探究对不同产品结构在不同阶段进行分批的性能表现,并根据其在不同产品结构下的适应性进一步提出了协同复杂型导向策略给分批一定的方向性指导,以优化完全随机搜索分批导致的算法搜索空间大,求解效率低的问题。