本文主要研究动态虚拟蝙蝠优化算法在冷轧生产线中的运用。蝙蝠优化算法的主要原理是通过模拟蝙蝠在寻找猎物的过程中利用回声定位猎物的位置进行优化，算法主要操作包括蝙蝠种群初始化，蝙蝠群体的位置和速度更新。目前已在求解工程优化、车间调度等许多优化问题中得到了成功应用。本文在原始蝙蝠算法的基础上提出一种新型蝙蝠优化算法解决若干流水车间调度问题，并通过基准实例测试验证了算法的有效性。主要研究内容如下:　　(1)无等待流水车间调度问题广泛存在于化工制造、钢铁制造食品加工等生产环境中，是现实生产制造环境中各种流水线调度模型的简化。本文首先介绍了无等待流水车间调度的基本模型和主要优化目标，然后描述了D VB A优化算法的具体优化过程，最后用标准测试集对算法进行测试，测试的结果表明DV BA算法在解决无等待流水车间调度问题上具有不错的性能。对于Car和Rec基准测试集DVBA算法取得了23个以最大完工时间最小为目标的基准实例的当前最好解，对于著名的Ta illard基准测试集取得了93个以总流水时间最小为目标的基准实例的当前最好解，测试结果证明了DV BA优化算法的高效性和鲁棒性。　　(2)以冷轧厂冷轧生产线为背景，研究冷轧过程中多品种生产合同的调度问题，并根据冷轧生产线的实际情况建立基于最大完工时间的调度模型，采用一种模糊权重自适应子空间聚类方法(FWLAC)并结合冷轧生产的实际情况，利用带钢的厚度、宽度、内外径、钢卷重量以及交货期等属性对订单组批，然后采用DVB A算法对模型进行求解。最后通过某冷轧厂的实际生产数据对模型与算法进行了验证，证明该调度方法的有效性。　　(3)实际生产环境下通常需要考虑多个目标，多目标调度优化问题近年来受到越来越多的关注。本文采用能量流的研究方法，对冷轧生产线进行能耗建模，然后以能耗和完工时间为目标建立冷轧生产线调度模型。提出一种基于Pareto解集的DVBA优化算法，算法先对初始解进行快速非支配排序，然后从各边界集选取个体成为初始种群。设计了四种邻域结构来增强算法的全局寻优能力，并通过多目标IG方法加强算法的收敛性，通过灰色关联分析法对得到的Pareto解进行多目标决策。　　最后，基于上述研究，开发了无等待流水车间调度原型系统，并给出了全文总结和研究展望。