科学技术的发展为现代制造业赋予了新的时代内涵,为现代制造业的发展提供了新的机遇和挑战。作为制造车间生产管理的重要组成部分,生产调度理论也需要更加智能和高效。其中,柔性作业车间调度问题成为了国内外学者研究的热点。探索更加高效的智能算法对于求解柔性作业车间调度问题不仅具有重要理论意义,而且具有更加重要的实际意义。学位论文利用多目标混合优化算法对柔性作业车间调度问题进行了研究。首先,学位论文研究了遗传算法在单目标柔性作业车间调度问题中的应用。针对传统遗传算法求解效率低、收敛慢和易局部收敛等不足,通过对遗传算法的基本遗传操作进行改进,提出了基于反向学习策略的改进遗传算法应用于问题的求解。改进算法采用基于多父代优先工序和基于反向学习策略的关键机器两种交叉方式以及基于邻域搜索和反向机器变异两种变异方式对基本操作进行了改进。仿真实验结果表明,学位论文改进的遗传算法在问题求解效率和收敛速度两方面提升明显,有效的克服了算法易局部收敛的缺点。然后,学位论文研究了多目标混合优化算法在多目标柔性作业车间调度问题中的应用。该混合算法将学位论文改进的遗传算法与基于分解的多目标进化算法进行了混合。混合算法利用Tchebycheff方法对多个优化目标聚合之后,然后根据个体间欧氏距离的大小对个体进行分组,再应用学位论文改进遗传算法对每个分组进行遗传进化操作,最后实现了多目标问题的优化。仿真实验结果表明,学位论文提出的多目标混合优化算法在问题的求解效率等方面性能良好。最后,学位论文在模拟柔性作业车间调度管理系统中实现了对问题的模拟仿真。通过对工件工序的整个加工过程和生产调度过程的模拟,实现对柔性作业车间调度问题的模拟仿真,验证了学位论文算法在实际问题中的有效性。