作业车间调度问题作为著名的机器调度问题之一,也是最困难的组合优化问题,在生产系统和工程应用中有着非常重要的意义,开发精确而有效的调度算法是近年来研究的热点。本文首先对确定性的作业车间调度问题进行了详细的描述,并在当前研究的基础上,结合生产实际情况,对生产中因各种随机因素的影响而产生的不确定性调度问题进行了研究。把不确定的加工时间和交货期分别用三角模糊数和梯形模糊数表示,同时考虑模糊加工时间和模糊交货期,以最大化平均满意度作为优化目标,建立了模糊作业车间调度模型。近年来,邻域搜索算法在作业车间调度问题中得到了广泛的应用,本文重点对其中的遗传算法进行了深入的研究。针对传统遗传算法在求解时存在早熟收敛和局部搜索能力差的缺点,本文采用两种改进方法来改善遗传算法的局部搜索能力,提高优化质量和搜索效率。算法一首先采用双种群相互指导进化的思想,既增加了种群的多样性又提高了算法的抗早熟能力,同时采用一种优差染色体相互的交叉方式来避免局部最优,并且对基于工序的编码方式设计了一种新的交叉算子,避免因交叉操作产生不可行解。将改进的遗传算法应用于确定性的作业车间调度问题中,通过对经典算例的仿真,验证了该算法的可行性和有效性。算法二采用遗传算法和模拟退火算法相结合的方法,利用模拟退火算法能概率性的跳出局部最优解的特性,让其承担遗传算法选择的压力,同时发挥遗传算法良好的全局最优特性,设计了一种性能优良的全局最优的混合优化算法。通过对模糊作业车间调度问题仿真,验证了该混合算法的有效性和实用性。