多机器人装配单元由于自动化程度高、柔性高、适应性强,在实际生产中尤其是装配密集型制造业得到广泛的应用。然而,在构建多机器人装配单元调度问题模型时,通常假设单元内的缓存容量无限大,忽略了缓存容量约束的影响。此外,同时对装配作业与搬运作业进行调度优化能有效提升多机器人装配单元工作效率。因此,提出考虑有限缓存约束的多机器人装配单元调度问题,以最大完工时间最小为调度目标,合理选取缓存容量,对多机器人装配单元进行优化调度。本文的研究主要包括以下内容:（1）建立了考虑有限缓存约束的多机器人装配单元调度问题静态和动态调度模型。针对单元的特点,构建单元内布局结构,提出机器人对工件在工序间的搬运原则,根据move J运动方式计算搬运时间,建立考虑有限缓存约束的多机器人装配单元调度问题静态调度模型。并在多机器人装配单元静态调度模型基础上,考虑对工件延误、机器人故障和新订单插入三种常见动态事件的处理方法,建立了多机器人装配单元动态调度模型。（2）针对有限缓存约束的多机器人装配单元调度问题,提出一种基于关键路径的改进遗传算法对其进行求解。首先,根据求解问题特点,提出一种三层编码方法和插入式解码方法。其次,针对遗传算法种群多样性不足和局部搜索能力较差的缺陷,在初始化阶段和选择阶段,定义正、逆工序两种初始化方式,并采用正工序初始化对种群进行初始化,逆工序作为选择阶段生成补充种群的初始化方式;提出一种基于关键路径的交叉方法,提升种群基因交换率;提出基于关键路径的变异方法,提升算法局域搜索能力。（3）使用改进遗传算法对有限缓存约束的多机器人装配单元静态调度问题进行求解。首先,提出了基于IGA的考虑缓存约束多机器人装配单元静态调度算法,其次,通过正交试验方法,分析了各参数的影响趋势,并选择一组较优的参数。之后,逐次删减其中一种改进操作,并改进的遗传算法进行对比,验证了各改进操作的有效性。然后,对缓存容量与进最大完工时间之间的变化趋势进行实验分析。最后,通过20组经典柔性作业车间的标准测试算例进行对比,实验结果表明改进的遗传算法的具有更强的求解能力。在考虑有限缓存约束的多机器人装配单元调度问题算例中,使用不同算法进行对比,改进遗传算法也取得了更为优异的结果。（4）研究了多机器人装配单元的工件延误、机器人故障和新订单插入三种动态事件,分别提出对应动态事件的重调度策略。采用动态事件和周期混合驱动的动态调度策略,将连续的动态调度问题划分为一系列离散的静态的调度问题。然后,将改进的遗传算法与动态事件重调度策略结合,提出基于改进遗传算法的动态调度算法,并运用上述算法对三种动态问题案例进行优化求解,验证了重调度策略求解动态调度问题的有效性。