随着现代医疗水平的提高,国内对免疫检验的需求日益增加,医院检验科要在短时间内检验多批血样。在批量免疫检验需求下,医院检验科正面临着对检验精度和检验效率的巨大考验。全自动免疫检验设备可替代人工检验操作,然而仅将检验过程自动化还难以满足临床检验的效率要求。提高批量背景下的检验效率,其关键在于合理分批调度,即把批量血样划分为若干子批,以有效利用多台机器,并优化检验顺序,以减少批量血样检验的时间。因此本文针对批量检验背景,研究全自动免疫检验设备的分批调度问题,建立数学模型,根据问题特点设计编码解码方案和搜索算子,采用改进的候鸟迁移算法求解,优化分批方案和调度过程。本文的主要研究内容如下:(1)根据全自动免疫检验设备的工作原理,分析分批调度对提高检验效率的必要性,将该设备的分批调度问题归纳为一类带复杂约束柔性作业车间的分批调度问题。确定了问题的优化目标和约束条件,建立了其数学模型,分析了解决该问题所涉及的难点,并根据难点制定求解路线。(2)针对约束复杂这一难点,设计约束处理方式。设计了符合约束的编码解码方案,从根源上杜绝不可行解的出现,同时设计了粗细粒度搜索算子,保证约束不被破坏,还能丰富邻域结构,从而提高搜索效率。对4个典型算例和4个应用实例进行仿真求解,实验结果证明,所设计的搜索算子可以提高分批调度问题求解的精度。(3)通过理论分析,采用候鸟迁移算法求解,该算法较强的局部搜索可以提高在复杂可行域寻优的效果。从多方面分析了算法的性能,并根据分析改进算法。提出一种竞争式协同候鸟迁移算法,使用竞争式的领头鸟更换方式,引入减速调整阶段,提高个体协同寻优的效率,还改进了鸟群的V字飞行方式,提高种群多样性。实验表明,该算法的求解能力在改进后得到提升,算法能有效求解全自动免疫检验设备的分批调度问题。(4)为进一步提高中等及大规模批量检验的效率,提出多领头鸟分化协同候鸟迁移算法。使用功能分化的多个鸟群协同寻优,引入了阶段性邻域搜索机制,提高算法跳出局部最优的能力。实验表明,该算法具有较好的全局搜索能力和求解稳定性,能有效提高全自动免疫检验设备的批量检验效率。