分批是一种将大规模连续生产向小批量间歇生产转变的思想,它将每个工件或生产批量划分成若干个子批交迭加工,缩短了工件或生产批量的切换等待时间,从而提高了生产柔性,降低了产品积压风险。分批与批调度的思想常用于优化生产计划与调度,其在缩短了计划生产周期的同时,减少了资源浪费和能源消耗,因此广泛应用于制造业中。本文以中药提取车间加工过程为研究背景,采用智能算法解决一个现实优化问题。通过分析与一般集成批调度过程的区别,建立了面向中药提取车间集成批调度问题的混合整数规划模型,并提出一种适合求解大规模组合优化问题的智能算法,用于求解实际的中药提取车间生产调度问题。具体研究内容如下:（1）建立关于中药提取车间集成批调度问题的混合整数规划模型。首先,分析中药提取车间的批量生产过程与一般批量生产过程在批量转化和与加工时间上的主要区别;然后,考虑中药提取车间的独特性,分析其在集成批调度问题中的特点;最后,以最小化最大完工时间和最小化有效成分生产损失为目标,建立中药提取车间多品种混流的多阶段集成批调度优化模型。（2）提出并实现一种新的仿生算法:种群阻滞增长模拟算法。首先,通过模拟生态平衡机制,以物种增长logistic模型为基础设计算法流程,并使用实数编码与拓扑排序结合的方式来分别表示分批计划与调度计划。然后,设计一种概率选择机制对可行解进行筛选,并设计一种交叉方式对较差解进行更新,实现全局搜索和局部寻优的平衡。接着,使用解析法来证明所提算法的收敛性。最后,通过与其它算法在不同类型组合优化问题上进行对比实验,来验证所提算法的有效性与优越性。（3）使用提出算法求解实际的中药提取车间集成批调度问题。首先,分析某中药企业的颗粒剂提取车间的生产方案;然后,利用所提算法,通过多次求解实验,对实际车间的多阶段集成批调度问题模型进行优化,改进原始方案;最后,对比所提算法与遗传算法和粒子群算法在实际问题中的优化结果,分析所提算法在实际问题中的求解性能。