生产调度对于制造企业提高生产效率、降低生产成本具有重要的作用,其关键技术之一是建立有效的调度模型并在此基础上实现调度优化。目前大多数研究集中在经典调度问题的优化算法,往往忽略了车间中大量存在的不确定性,因而难以应用于实际车间调度。在此背景下,如何建立更接近现实车间的调度模型并设计出相应的优化算法,就显得非常有意义了。本文首先建立了不确定信息条件下的柔性作业车间调度模型。在采用随机量来描述现实车间中存在的一些不确定信息的基础上,以时间、成本和调度有效性作为生产调度的三个基本目标,以工件的工艺规程以及不同类型工件的交货期限满足的置信度作为调度约束,建立了不确定条件下的多目标和多优先级的柔性作业车间调度的随机规划模型。上述调度模型的结构非常复杂,运用传统精确算法难以求解,因此本文提出了一种将随机模拟、神经网络和遗传算法相结合的混合智能算法求解策略。该策略主要包括两步:第一步,通过随机模拟和神经网络实现对不确定调度模型的仿真模拟逼近,进而建立调度预测模型;第二步,通过遗传算法求解被逼近的不确定调度模型。根据上述策略,设计并实现了具体算法,通过算例证实了该调度模型和求解方法的正确性与有效性。在上述理论研究的基础上,开发了混合智能优化原型系统,并结合SIMUL8仿真工具,对企业实际车间进行调度,取得了较好的验证效果。