随着电子信息技术的高速发展,特别是近年来中国在5G技术、人工智能等方面取得的伟大成就,市场对电子产品的需求日益增加。而印刷电路板（Printed Circuit Board,PCB）作为电子产品的核心组件,其生产效率的高低决定了整个产品的生产周期。面对多品种、变批量的PCB产品的组装,车间生产调度的合理性又直接影响到了企业生产的管理效率与成本。在G公司PCB组装车间的实际排程过程中,SMT、MI、AI三个子车间进行的是独立的手工经验式排程,效率较低。因此,本文基于PCB组装车间全局排程的问题,构建了订单分批调度模型,并设计相关的算法来求解这一柔性作业车间调度问题。首先,简要介绍G公司PCB组装车间内SMT、MI、AI工艺流程,对研究对象主板所需的加工设备以及对应的生产线进行了描述,分别绘制了PCB主板在各个子车间的加工流程图,分析了公司手工经验式排程的现状与PCB组装车间分批调度问题,提出需要通过有效建模与对调度方式的合理设计以改善企业现有排程效率低的问题;通过设置合理的假设条件,并对参数及变量进行定义,以最大完工时间最小为目标构建了PCB组装车间的柔性作业车间分批调度模型。其次,针对中、大批量规模的生产实际情况,本文采用等量分批的策略,以降低批量提高生产线利用率。在算法方面,针对PCB组装车间这一柔性作业车间分批调度问题,将整个求解过程划分为订单批量分批与子批排程两个阶段,设计了遗传算法（GA）和遗传模拟退火算法（GASA）这两种算法,通过改进算法的编码以便更好的体现分批调度问题,在交叉操作上采用洗牌交叉与单点交叉结合的方式以保证获得多样化的种群个体,在变异操作上采用生产线效率偏好选择的方式以获得较低的订单批次工序加工时间。在模拟退火算法方面,引入了Metropolis接受准则,以保证种群迭代初期的多样性,并有效避免算法过早收敛。最后,以G公司PCB组装车间为例,在Matlab工具下运行GA和GASA这两种算法,对订单不分批、分2批、分3批、分4批这几种情况分别进行多次重复运算,结果显示合理的分批次数要优于不分批（公司现状）的结果,在各分批情况中,GASA算法的解均优于GA算法,证明了GASA算法的优越性;为了分析批量生产类型与分批数关系,采用GASA算法,考虑在较小批量、小批量、中批量、大批量这四种生产类型下不同分批数对结果的影响,确定了不同生产类型下的分批数选择策略,对于企业在不同批量订单分批数的选择方面具有实际的指导意义。