流水车间调度问题又被称为同序作业排序问题,在制造业中被广泛的应用于许多实际流水线。随着时代的不断变革,市场经济加快了变化的节奏,制造业也朝着全球化的方向发展,加上多品种小批量生产方式,加快了分布式制造的产生,使得分布式车间调度成为人们关注的热点之一。分布式置换流水车间调度问题主要研究工件如何选择合适的工厂完成加工以及在某个工厂内的工件如何安排加工的先后次序,从而使相应的优化目标达到最优。从理论上来说,置换流水车间调度问题（Permutation Flow-shop Scheduling Problem,PFSP）以及分布式置换流水车间调度问题（Distributed Permutation Flow-shop Scheduling Problem,DPFSP）均为组合优化问题,且均被证明是NP-hard问题。在实际的生产制造中,解决该类调度问题可以实现资源合理配置,在降低生产成本的同时提高生产效率。因此,推进对于PFSP和DPFSP的研究,具有重要的学术价值和实际应用价值。首先,设计了一种改进的正余弦优化算法（Sine Cosine Algorithm,SCA）——自适应正余弦算法。对正余弦优化算法的主要思想和实现方法等进行了简单的分析,并对其提出了改进策略,加入了自适应参数机制。采用标准函数集测试了改进的正余弦算法,通过与其他算法的对比,验证了自适应正余弦算法的有效性和优越性。其次,提出了基于离散自适应正余弦算法的置换流水车间调度方法。以最小化最大完工时间为目标,设计了基于工件的编解码策略,对正余弦优化算法进行离散化,设计了基于交换的正向移动和逆向移动操作,将该算法的自适应模块转化为一种基于概率的移动策略。为了提高初始种群的适应度和多样性,初始种群采用多种方式生成,在已有的解空间中,通过基于插入的局部搜索算法来进一步优化种群内的解。通过对不同规模的标准测试集进行求解,并将计算结果与目前已知的求解效果较好的算法的结果进行了对比,验证了所提改进策略的效果。最后,提出了基于离散自适应正余弦算法的分布式置换流水车间调度方法。以最小化最大完工时间为目标,针对该问题设计了一种两层编码与解码策略。每个解包含工厂选择和工件排序两个编码,对于工厂选择编码设计了直接正向移动和直接逆向移动两种移动策略。采用了基于关键工厂的局部搜索来优化关键工厂内部的工件排序,改进个体的适应度。通过小规模算例和大规模算例进行了实验,验证了所提方法的有效性。