集成式工艺规划与车间调度（Integrated Process Planning and Scheduling,IPPS）能够充分发挥工艺规划与车间调度的互补性,提高制造系统整体的运行效率与质量,具有重要的学术价值与工程意义。本文致力于IPPS问题的建模与优化方法研究,系统研究了工艺规划的数学模型以及IPPS问题的数学模型、集成式编码、多模型协同优化（Multi-MILP Model Collaborative Optimization,MMCO）等,并通过标准测试集与工程应用实例进行了验证。主要工作如下:首先,研究了基于工艺网络图的工艺规划数学模型。通过对比工艺网络图的最优方案与工艺特征表的最优方案,验证了工艺网络图在工艺信息表示方面的优越性。提出了工艺网络图中工序被选择与不被选择的充要条件,并建立了考虑机器间转运时间约束的工艺规划问题的混合整数规划（Mixed Integer Linear Programming,MILP）模型。将所提模型用于求解多组公开实例,并与现有工艺规划求解方法进行对比,验证了所提模型的优越性和有效性。其次,研究了IPPS问题的数学模型。基于所提工艺规划模型,进行了单工件到多工件的拓展,建立了IPPS问题的整体式MILP模型。针对现有IPPS模型求解效率低的问题,提出了基于柔性分解策略的模型求解加速方法。从IPPS问题包含的制造柔性出发,根据决策子问题的类型对柔性进行划分,建立了分层式的柔性分解MILP模型。将所提模型应用于求解IPPS测试算例,并与现有模型和算法比较,验证了其优越性与有效性。然后,研究了IPPS问题的新编码方式及其操作算子。将OR节点序列加入单个个体中,并在工序染色体的单个基因中同时表示工件信息和工序信息,使其可以同时表示工艺规划方案与车间调度方案,实现了IPPS问题的集成式编码。根据编码规则,设计了相应的操作算子,以确保个体在进化过程中的合法性。将其应用于经典的遗传算法（Genetic Algorithm,GA）,并在多组公开测试集上进行了测试,验证了所提编码方式的优越性与有效性。接着,进一步研究了IPPS问题的优化算法。综合考虑所提的建模方法、柔性分解策略与集成式编码思路,提出了多模型协同优化的MMCO方法。对问题的整体模型进一步分解,建立了四个局部优化子模型,分别对应于IPPS问题的四类决策子问题。四个子模型在贪婪启发式规则指导下,对同一编码个体协同优化。为了避免过早收敛而陷入局部最优,加入了概率选择模型的机制:以一定概率选择未优化结果的模型,防止个体陷入固定模型组合的循环。最后,在著名Kim数据集上进行测试,成功求得了全部下界解,验证了所提MMCO方法的优越性。随后,就本文所提方法进行了工程验证。工程实例来自国内某包装机成型模块的机加工车间与某航天KT的机加工车间。分析以上两个车间的工件工艺信息,归结为典型的IPPS问题。将本文所提模型和算法用于求解以上实例,成功优化了排产结果,验证了所提方法的有效性。最后,对全文的主要工作进行了总结,并展望了未来的研究方向。