分布式制造是制造业发展的必然趋势,拥有资源合理化利用所带来的低成本、高效率等优势。传统车间通常只考虑单车间内部的生产,而分布式车间是考虑多个车间之间的协同生产。因此,分布式车间调度问题是现代制造系统中一类重要的组合优化问题,而且复杂度更高、求解更复杂,具有十分重要的学术意义和应用价值。因此本文针对分布式置换流水车间调度问题、考虑能耗的多目标分布式置换流水车间调度问题、分布式作业车间调度问题、考虑能耗的多目标分布式柔性作业车间调度问题四种不同类型的分布式车间调度问题,结合不同类型的问题特征建立混合整数规划模型,并相应地提出基于Memetic算法（Memetic Algorithm,MA）的混合优化算法求解以上四类分布式车间调度问题。主要研究内容如下:针对分布式置换流水车间调度问题,建立了以最小化最大完工时间（Makespan）为目标的混合整数规划模型,并提出了一种Memetic算法的优化算法来求解该问题。在算法中,结合问题特征,提出了工件在车间中的分配以及车间内部排序的双层编码机制,并针对该编码机制,设计了与之相适应的初始化方式、进化操作以及基于关键的局部搜索算法,从而提高了算法的全局搜索能力和局部搜索能力。为了评价MA性能,将MA与其他三种算法进行对比,实验结果表明MA在180个问题上均优于其它算法。针对多目标分布式置换流水车间调度问题,建立了以最小化Makespan和总能耗为目标的混合整数规划模型,并提出了基于Memetic算法的多目标优化算法（Multiobjective Memetic Algorithm,MOMA）来求解该问题。在算法中,基于三层编码机制,提出了混合初始化方法;基于最小化Makespan的目标,提出了基于优化Makespan的局部搜索策略;基于最小化总能耗的目标,提出了基于等待时间的局部搜索策略。为了测试MOMA的有效性,将MOMA与其他多目标算法进行对比实验,实验结果表明所提MOMA在求解该类调度问题的40个算例上收敛性和综合性能均具有优势。针对分布式作业车间调度问题,建立了混合整数规划模型,并提出了基于知识的Memetic算法（Knowledge-based Memetic Algorithm,KMA）来求解该问题。相比于分布式置换流水车间调度问题,此类问题复杂性较高,需要考虑不同工件的不同工序的排序问题。同时,根据分布式车间调度问题以及作业车间调度问题的特点,提出了相应的编码机制、更新操作以及基于关键车间的局部搜索策略,根据进化程度的不同进而选择与之相适应的更新策略以提高搜索效率。为了评价KMA性能,针对该类调度问题的240个算例进行了算法对比实验,验证了所提算法在求解该类调度问题上的有效性。针对多目标分布式柔性作业车间调度问题,建立了混合整数规划模型,设计了一种多目标Memetic算法来求解该问题。分布式柔性作业车间调度问题考虑了工件在不同车间中的分配、每个车间内不同工序之间的排序以及每个工序机器的选择。在算法中,设计了全解码编码,并采用了全局选择、局部选择以及随机选择的混合初始化方式。通过非支配排序,将种群分类,并根据不同子种群设计了相应的更新操作以及包含五种邻域结构的局部搜索策略。为了验证该算法的有效性,通过测试算例与其他多目标算法对比,实验结果表明所提算法在求解该类调度问题上具有明显优势。针对左侧围外板加工车间的生产情况,对本文提出的方法进行了应用验证。建立了对应的混合整数规划模型,通过实际工程案例对本文的理论和方法进行了验证,证明了本文所提算法的有效性。最后,总结了全文的研究工作以及创新之处,并展望了未来的研究方向。