复杂的生产过程使得织造车间成为了管理上的“黑盒子”,作为生产管理智能化的核心决策功能,排产的优劣直接影响织造车间生产效率、产品品质与生产成本,传统的经验式计划生产模式己经无法适应市场需求的变化。在车间生产规划与调度问题上虽已有大量的学术研究,但由于织造排产中存在经纱拼缸、经纱准备工序中整经与浆纱间的批调度关系、织造工序与穿经工序间的逆工序调度关系,织造工序中的多织轴、多设备、多产品的大规模调度这些具有织造排产特性的工序,通用调度模型与实际织造现场不匹配。且传统调度优化方法主要在生产前起作用,缺乏与实际生产数据的有效耦合,在应对生产现场的多源随机动态扰动时,响应机制差、速度慢,使得排产方案可行性差。本文针对织造生产特性,从整经工序的经纱拼缸、经纱准备工序的订单主从式排产、织造工序的多目标大规模动态排产3个排产关键点构建模型,并以遗传算法为主要优化搜索方法,分别提出带变邻域搜索的经纱拼缸NESs混合遗传算法、主从式排产模型的双层交互式遗传算法、织造工序排产模型的改进优先分配规则的NSGA-II。并通过引入由模型和数据双重驱动的数字孪生,面向织造全流程排产,连接织造物理世界和信息世界,通过对物理车间数据的采集、处理、分析,将织造物理车间数字化,并以此创建对应的虚拟模型,为织造排产模型提供数字孪生服务,采用虚实交互、数据融合等方法,形成织造排产模型、织造物理车间、数字孪生服务间的数据闭环互通,搭建全流程管控的服务系统并在实际织造现场开展应用,为织造企业智能排产提供更加实时、高效、智能的服务。本文的主要研究内容及创新点如下:（1）对构建的经纱拼缸NESs模型,提出了一种带变邻域搜索的混合遗传算法VNSGA-DR,该算法通过引入一种带动态排斥机制的排斥半径设计方法,解决了排斥法在NESs问题的寻优过程中排斥半径设置难的问题;设计一种包含3种变异算子的变邻域搜索策略,对遗传算法在NESs寻根中收敛速度慢,易陷入局部最优实现了优化。（2）构建了一个以订单生产经轴分批与合并为主导,批次投产排序为从属的经纱准备工序的主从式联合优化模型,并提出一种双层交互式遗传算法。设计了单织轴生产布匹数及订单经轴批次数2个关键决策变量,将以产量米为单位计算的订单排产问题寻优的时间复杂度从O（n）降为O（log n）,解决可行解空间过大,算法寻优效率低的问题;根据关键决策变量,提出了一种基于数字孪生的单位产量生产周期模型,将物理实体数据融入模型,有效提升排产精准度。（3）构建了织造工序的大规模多目标动态排产模型,提出了一种改进优先分配规则的NSGA-II遗传算法。从织造工序多织机、多织轴、多产品的大规模调度出发,考虑织造和穿经之间独特的逆工序调度关系,构建织造工序大规模多目标排产模型。改进常规优先分配规则的编码方式,缩小解空间;设计了一种局部和全局关联优化的贪婪进化算子,避免算法寻优陷入局部最优;设计了一种基于数字孪生的动态调度方法,提出一种动态评价机制,优化了算法在生产中及生产后动态响应机制差,抗扰动性不高的不足。（4）提出了一种物理实体、孪生服务、虚拟实体间的数据闭环互联互通的方法。将数字孪生引入织造排产模型,物理实体生产数据经采集、处理、分析后,向虚拟实体织造排产模型提供数字孪生服务,虚拟实体经管理系统向物理实体发出生产指令,物理实体生产过程中又产生新数据,实现数据闭环互联互通,基于数字孪生有效实现模型与数据的融合;解决了传统研究方法中模型与数据孤立导致模型精度低、动态响应速度的问题,获得了比单一方法更准确可靠的结果。