随着以物联网和大数据为代表的新一代信息技术在装备制造业中广泛应用,装备制造型企业得以全方位地整合产业内外部资源,形成了向智能制造转型升级的战略数字资源,而优化装备制造型企业生产全流程的资源高效配置成为了企业发展转型升级过程中亟待解决的瓶颈需求。因此,为实现柔性化配置资源,并提高装备制造型企业的生产精益化和客户服务化水平,本文将以装备结构件涡轮叶片的实际生产制造过程为研究背景,针对其生产制造过程中存在的批调度优化问题进行研究,本文的主要研究工作如下:(1)研究了基于装备结构件塑形过程的平行机连续批调度问题,基于工件动态到达的情形,同时考虑了学习与恶化效应对实际加工时间的影响,并以最小化制造时间跨度为优化目标建立了问题的研究模型。根据问题结构属性,分别从工件动态到达和学习与恶化效应两个角度研究了单机批调度的最优结构性质,并且设计了一个基于单机批调度问题的两阶段启发式算法。为使研究问题具备一般性,针对平行多处理机情形下的问题假设,本文提出了SC-VNS混合智能算法进行求解,仿真实验结果表明混合SC-VNS算法在解的质量和求解时间等性能表现上具备良好的稳定性,能够有效解决平行多处理机调度问题。(2)研究了基于装备结构件铸造过程的两阶段生产平行机调度问题,工件动态到达两阶段制造系统,问题假设制造系统在第二阶段以平行批的方式处理工件,问题优化目标为最小化制造时间跨度。针对问题的研究假设,本文构建了问题对应的混合整数规划模型,分析了第一阶段调度问题的特点,基于不同情形优化了工件的排序方案,同时还研究第二阶段批调度问题的最优结构性质,并提出了相应启发式策略对模型进行降维。此外,为提高问题求解效率,本文通过设计并行化局部搜索机制改进PVNS算法,同时设计了不同规模的仿真实验评估PVNS算法在求解两阶段生产调度问题的有效性。