生产作业调度问题是研究在有限的资源条件下,如何分配资源以满足某个或某些特定的生产指标,并使得生产企业获得最大的经济利益和社会效益。生产调度在企业生产管理中占据至关重要的战略位置。如何分配现有资源以满足特定的生产目标,从而使企业在日趋激烈的市场竞争中处于领先地位,是企业管理的重点内容。因此,生产作业调度问题一直是许多企业如制造业的研究热点。对生产作业调度问题的研究具有重要的理论意义和现实意义。　　 本文对生产作业调度问题进行了系统阐述,并对其中的Flow shop调度问题重点研究。由于实际生产过程中存在大量的不确定因素,使得由各种确定性模型和方法得到的优化调度性能指标降低甚至不再可行,因此本文在处理生产调度问题的时候,将生产过程中存在的不确定因素作为一项必不可少的条件。论文介绍了生产调度问题中的不确定因素及其分类,对模糊交货期下的Flow Shop调度问题进行阐述。　　 生产作业调度问题的研究方法历经由简单到复杂的过程。这些方法从不同程度上表述了具体生产环境中的复杂的、多目标、动态的调度问题的一种抽象和简化。而评估一个调度算法的主要标准是其优化效果的满意度。调度优化算法传统上主要集中于数学规划、简单的规则等方法。近几十年来,关于遗传算法、模拟退火算法、神经网络算法以及模糊逻辑等方法的研究十分活跃,已成为生产作业调度问题研究的热点之一。作为生产调度领域的重要研究方法,遗传算法通过模拟达尔文“优胜劣汰、适者生存”的激励原理以及模拟孟德尔遗传变异理论在迭代过程中的作用,实现了随机优化与有效搜索。本文重点研究遗传算法的基本思想和流程及其参数设计,并将其应用在Flow Shop调度问题的算法研究中。　　 论文以不确定条件下生产调度问题算法研究为目的,针对Flow Shop调度问题进行研究,研究的一个侧重点是中间存储时间有限型Flow Shop的提前_拖期调度问题。随着流程工业中准时制的发展,企业所追求的目标是尽可能极大化用户的满意水平,使企业所承受的提前_拖期惩罚达到最低目标。论文给出一种解决Flow Shop调度问题的满意度方法。另外由于产品在加工过程中存在不稳定性,所以产品在两个生产单元之间的储罐中的存储时间只能为一个有限值。本文研究了在处理时间不确定的条件下,带不同交货期窗口的存储时间有限型Flow Shop调度问题。采用三角模糊数描述处理时间的不确定性,使用自然数编码方法,随机产生初始种群,以惩罚数的期望值的倒数作为适应度目标函数值,再利用遗传算法中的选择、交叉和变异算子进行求解。根据实验结果证明本文所采用的研究方法是有效的。