柔性车间调度问题是传统作业车间调度问题的延伸，它更能反映实际生产过程中的灵活性，对该问题的研究具有理论和实际应用意义。本文以蚁群优化算法和粒子群优化算法为工具，对柔性车间调度问题的多目标优化方法进行了研究。首先，介绍了柔性车间调度问题的研究背景和研究现状、群体智能优化算法的理论及应用，重点从算法基本思想、数学模型和算法流程方面介绍了蚁群优化算法和粒子群优化算法。为本文采用蚁群粒子群混合优化算法奠定了理论基础。柔性车间调度问题包含工艺路线选择和工序调度两个子问题，本文采用分解思想，即蚁群优化算法和粒子群优化算法分别求解工艺路线选择和工序调度问题。在蚁群优化算法设计中，运用析取图模型手段，设计了工序可选加工机器模型表示方法，并结合问题特点设计了蚂蚁的解构造图以及蚂蚁的状态转移概率；在粒子群优化算法设计中，采用位置矩阵的表示方法，将粒子向量中的优先权值分量与工序的调度次序相对应，并在此基础上设计粒子向量的解码方法。最后，采用实验分析方法确定了算法中主要参数的取值。在多目标柔性车间调度问题的求解中，同时优化总加工时间、机器总负荷和关键机器负荷三个目标，详细分析了三个优化目标之间的关系，并在工艺路线选择阶段优化机器总负荷和关键机器负荷最小化两个目标函数，在工序调度阶段优化加工时间最小化目标函数。根据多目标优化的特点，重新设计蚁群优化算法中的蚂蚁局部启发式信息的更新方式和状态转移概率的计算公式。仿真实验结果验证了蚁群粒子群混合优化算法的有效性。论文的最后，总结了全文的研究工作和对今后研究方向的展望。