车间调度是制造企业实现生产过程合理化、自动化、智能化的重要手段,是提高生产效益和竞争力的基础。阻塞流水车间调度问题是经典的车间调度问题之一,广泛存在于化学制造、钢铁制造和电子器件制造等生产过程中。随着近年来分布式制造模式的发展,分布式流水车间调度已成为车间调度领域的研究热点。本文以分布式阻塞流水车间调度问题为研究对象,针对最小化最大完成时间目标、最小化总流经时间目标、以及最小化最大完成时间和总能耗目标,提出了基于迭代贪婪（Iterated Greedy,IG）算法的优化调度算法。主要工作如下:（1）针对最小化最大完成时间目标,提出了一种增强IG算法。首先,设计了一种启发式算法以生成高质量的初始解。其次,通过改进破坏重构方法以提高全局勘探能力。其中,破坏过程考虑了问题中关键工厂的特性,重构过程使用了工件重插入策略。接着,在局部强化阶段,使用了三种探索不同邻域的局部搜索方法去加强局部开发能力。然后,在接受阶段,采用了一种新的退火温度计算方法以提高跳出局部最优的能力。最后,通过算例仿真验证了所提算法的有效性和优越性。（2）针对最小化总流经时间目标,提出了一种基于种群的IG算法。该算法将种群机制融合到IG中,以提高全局勘探能力。首先,设计针对问题的启发式算法在极短时间内得到兼具高质量和多样性的初始种群。其次,将破坏重构过程和三种选择方法有机结合,得到了三种子代生成方法。然后,基于问题的特性,给出了插入邻域和交换邻域结构及其邻域解加速评价方法,并在此基础上提出了三种基于不同邻域结构的参考局部搜索算法。最后,通过算例仿真验证了所提算法的有效性和优越性。（3）针对工厂异构性和多目标优化需求,提出了一种基于知识的多目标IG算法去同时优化最大完成时间和总能耗。首先,算法分为前后两个阶段。第一阶段在不同机器加工速度矩阵下,针对加工序列进行迭代贪婪搜索,第二阶段在上阶段结果的基础上,同时针对加工序列和加工速度进行迭代贪婪搜索。其次,根据问题的特性为两个阶段分别设计了破坏重构方法。然后,提出了节能程序和局部搜索算法来加强第二阶段的局部开发能力。最后,通过算例仿真验证了所提算法的有效性和优越性。