随着全球工业经济的迅猛发展,制造业需要适时地进行转型升级,由高速发展转变为高质量发展。在车间调度问题中,工件在部分相邻工序之间不允许有等待时间,而其余工序之间有无限中间存储策略,等待时间不受限制的情况被称为混合无等待。对混合无等待约束的研究,不仅能够使企业生产满足产品的质量要求,而且能够缩短生产流程,从而提高企业的生产效率。因此,本文以混合无等待柔性流水车间（Mixed no-wait flexible flow shop,MNWFFS）为研究对象,考虑生产工艺约束和资源约束,建立整数规划模型。为求解此类NP-hard问题,提出基于人工蜂群算法和遗传算法的近似算法,从而得到近优解。由于最大完工时间是衡量企业生产效率的直接评价指标之一,也是柔性流水车间（Flexible flow shop,FFS）问题中被使用最为广泛的指标。因此,本文首先以最小化最大完工时间为问题目标,考虑到实际生产中,同一阶段的多台并行机因使用年限和不同程度的磨损造成机器加工时间不同,提出含不相关并行机的MNWFFS问题,结合机器能力约束和工序优先级约束等,建立整数规划数学模型。基于粒子群优化算法、迭代贪婪算法和变邻域搜索算法,提出混合离散人工蜂群算法。在该算法中,采用二维矩阵用于编码,工件右移策略用于解码,引入NEH（Nawaz-Enscore-Ham）启发式算法产生初始种群以提高种群的质量。在雇佣蜂阶段,借助粒子群优化算法中解的更新策略,采用单点列交叉和单点变异算子来获得新解。在跟随蜂阶段,选择质量较好的新解对其执行迭代贪婪算法中的破坏和重构操作,以提高算法的搜索能力。在侦查蜂阶段,引入变邻域搜索算法产生新解以替换历史最差解。最后,将所提算法与启发式算法和现有算法进行对比,仿真实验表明所提算法能够在合理的时间内产生更好质量的解。随着客户需求的多样化以及个性化,提高客户满意度也成为企业的一个重要经营目标。近年来,总加权完成时间问题也越来越受到学者的重视,该目标有助于制造业改善不同生产线的物流平衡,以及提高阶段间的时间衔接,关系着在制品库存和准时传送的物流目标。因此,在上述研究基础上,进一步研究了不相关并行机环境下FFS的总加权完成时间问题,考虑工件动态特性以及相邻阶段间的运输时间要求,建立整数规划模型,提出了一种融合迭代贪婪算法和遗传算法的迭代贪婪遗传算法,得到该问题的近优解。结合CDS（Campbell-Dudek-Simth）启发式规则和随机程序共同产生初始解,设计基于工序位的交叉和基于工件位的变异算子,以得到改进的遗传算法解。为避免遗传算法过早陷入局部最优,对前述产生的种群按照适应度值分割为两个子群,对较差子群应用迭代贪婪算法中的的破坏和重构操作,进而提出基于工件位的成对交换、成对插入和重新排序三种邻域的局域搜索,以得到邻域解。仿真实验对比了所提算法和几种启发式算法,通过对不同规模问题的仿真测试,验证了所提算法的有效性。