预约调度是目前社会生产生活实践中常常进行的一项工作,相对于传统的资源规划问题,预约调度通过分析已知的预约需求来制定物质人力等资源调度计划以指导后续的实际工作过程,并提前告知预约方依照安排的顺序前来完成所预约的内容。在实际业务过程中常会受到服务时长的不确定性因素影响需要及时应对调整,所以设计相应的预约调度方法可以为问题的有效决策提供一定的帮助。本文研究了服务时长不确定性环境下的预约调度问题求解方法及其在相关实际业务领域中的应用。针对预约调度模型和方法在知识管理工作中所存在的不足,结合知识元理论详细剖析预约调度的问题特性和基本过程,并在数据驱动决策思想启发下构建相应模型及方法框架。在此基础上,本文设计改进传统的基于分解的多目标进化计算方法,通过构造多个不同的情景来刻画问题的不确定性,从而增强决策方案的质量和鲁棒性。并且为解决大量情景仿真评估过程的高昂计算代价,本文在进化过程中进一步引入并训练代理模型来直接对方案适应度做出评估,进一步提升算法运算效率和求解效果。此后,考虑到预约调度工作在实际医疗服务运作管理领域的重要性,本文对医院放射科磁共振成像检查设备的日常预约调度过程开展了详细研究。针对检查时长的不确定性情况,通过制定关于不同类型预约患者的检查顺序和开始时间的合理服务计划,以优化医院设备运营成本和患者检查等待这两方面目标。最后结合真实医疗磁共振成像检查业务数据,构建问题模型并用所提方法求解,并将结果与两种经典的多目标进化算法作对比,验证了模型和方法的科学性和有效性。同时还从模型管理的角度对医疗设备的预约调度进行统一的知识表示,有助于将其在决策支持系统中进行储存、管理、复用、扩展等。从而最终证明了本文研究不仅能够为检查时长不确定的医疗设备预约调度提供决策支持,相关思路方法同时也可在其他领域的预约调度和知识管理应用提供帮助。