近年来,制造业在推动经济快速发展的同时,也造成了严重的资源短缺和环境污染等问题。在此背景下,再制造作为一种节能环保、可持续的制造范式,成为政府及制造企业关注的焦点。再制造是指将废旧零部件或工程机械等废旧产品进行专业化修复或升级改造,使其恢复到新状态的生产过程。在再制造中,生产调度是组织生产活动的关键环节。科学的再制造生产调度能够有效地提高再制造产业的完工效率,促进社会经济的可持续发展。然而,由于再制造以废旧产品作为毛坯,而废旧产品经历过不同的使用条件,具有质量不同、状态多样等特点,这使得再制造的过程具有很大的内在不确定性,因此再制造的生产调度比传统制造的生产调度更为复杂。如何应对再制造过程的不确定性,获得有效的再制造生产调度方案以最大化再制造效益,已经成为学界和产业界面临的一个严峻挑战。目前,再制造生产调度问题作为一个复杂的优化问题吸引了众多学者的高度关注。然而,现有大多数研究都是在确定性环境下进行的,忽略了不确定性对再制造生产调度的影响,导致所获得的调度方案在实际应用时的可行性往往会下降。尽管少部分研究者逐步意识到,在解决再制造生产调度问题时需要考虑不确定因素,以增加所获得的调度方案的实用性,但其所进行的研究仅仅考虑了再制造过程中的单一不确定性,无法满足复杂的不确定性环境下的实际再制造环境的需求。因此,为了克服上述局限性,本文对不确定环境下的再制造生产调度问题进行了深入的研究。需要注意的是,不确定性问题的研究通常需要借助信息数据库中的历史数据来表征不确定变量。本文即针对实际的再制造环境下,调度信息数据库中废旧产品的到达时间、处理时间等历史调度数据完备与不完备这两种情况,分别采用合适的处理方法进行建模,以解决不确定环境下的再制造生产调度问题。首先,针对历史调度数据完备的情况,本文采用鲁棒优化方法对再制造生产调度问题进行建模,利用离散场景集来描述再制造过程的多种不确定性;其次,针对历史调度数据不完备的情况,本文采用模糊优化方法进行建模,利用双模糊理论来描述再制造过程的多种不确定性。在此基础上,分别提出了两种智能优化算法对以上两种情况下的再制造生产调度优化模型进行高效求解。本文的创新点如下:（1）针对历史调度数据完备的情况,提出一种基于鲁棒优化方法的再制造生产调度优化模型。该模型考虑了废旧产品到达时间和处理时间的不确定性,并采用鲁棒优化方法构建出相应的离散场景集对废旧产品到达时间和处理时间的不确定性进行描述。同时,针对拥有批量处理机器和非批量处理机器的再制造实际环境,该模型采用可变启动批量大小这一约束,使批量处理机器在合适的批次大小范围内启动,从而减轻废旧产品到达时间的不确定性对再制造调度的影响,提升了模型的实用性。此外,该模型引入了以时间为基础评价指标的均值方差函数,从效率和稳定性两个方面综合评价调度方案,使所获得的最优调度方案能够在多种不确定性情况下依旧表现良好。针对上述模型,本研究提出了一种改进型生物地理学优化算法,将不等长三维编码方式与基础型生物地理学优化算法相结合,并引入新的迁移和变异算子以及局部搜索策略、批量提升机制,以有效地进化解,提高算法的搜索能力,从而更加快速地获得更优的调度方案。最后,通过一系列实验验证了基于鲁棒优化方法的再制造生产调度优化模型的可行性,以及改进型生物地理学优化算法求解该模型的有效性。（2）针对历史调度数据不完备的情况,提出一种基于模糊优化方法的再制造生产调度优化模型。该模型考虑了废旧产品质量不确定性所导致的处理时间、成本以及可靠性的不确定性,并应用双模糊理论加以描述。此外,考虑到废旧产品质量的不确定性,会影响将其恢复到新状态所需的一系列再制造操作（即处理路径）,该模型整合了多条非等同并行处理线来再制造废旧产品,以提高模型的实用性。该模型不仅采用了时间和成本等传统的评价指标,还采用了可靠性指标来评价调度方案完成再制造任务的可能性。针对上述模型,本研究提出了一种改进型离散粒子群优化算法。该算法采用了一种新的位置更新机制以使得基础型粒子群优化算法能够有效解决以上问题,并采用了一种多向引导策略与局部搜索策略来提高基础型粒子群优化算法的求解性能,以更加快速地获得更优的调度方案。最后,通过一系列实验验证了基于模糊优化方法的再制造生产调度优化模型的可行性,以及改进型离散粒子群优化算法求解该模型的有效性。