有效的生产调度是现代企业提高生产效率和经济效益的重要手段,但现有文献利用量子进化算法对生产调度的研究还非常有限。从研究内容上来说除流水车间调度问题及随机车问调度问题有一定的研究外,像柔性作业车间问题、具有退化加工时间的生产调度等更接近现实的复杂调度问题的研究还非常有限；从研究方法上来说,量子进化算法中对算法性能起重要作用的编码与解码方法以及量子种群的进化方式还有许多值得研究的问题。白量子理论引入遗传算法以来,量子智能计算取得了令人瞩目的成就。目前的研究成果有量子神经网络、量子遗传算法、量子退火算法、量子离子群算法、量子克隆算法、量子免疫算法、量子聚类算法及量子小波算法等。在各种算法中,量子编码与解码方法以及量子进化方式对算法的性能起着至关重要的作用。其主要的进化方式有量子非门、量子旋转门及各种混合进化方法,其中量子旋转门是被广泛采用的一种进化方式。在绝大部分的文献中,量子旋转角都是固定的不变的,也就是说与目标函数值的变化无关。因此,如何利用量子进化算法来研究生产调度问题依然是一个值得深入研究的重要课题。本文主要研究了量子进化算法的特点,针对流水车间调度问题、作业车间调度问题及柔性作业车间调度问题提出了新的量子进化算法。新算法针对不同的调度问题给出不同的量子编码方法及和解码方法。新算法中针对不同的调度问题给出了不同的量子进化方法,并通过大量的基准问题的仿真实验验证了新算法的有效性。最后对量子进化算法未来的发展方向做出展望。本文的主要研究成果总结如下：(1)阐述了生产调度问题的重要意义和各类生产调度问题的描述；给出了生产调度问题的各种分类标准,并对各类生产调度问题的特点进行了分析；总结了个目前研究生产调度问题的各种各种智能计算方法。并给出了生产调度性能指标及调度解的分类。回顾了生产调度问题研究的发展过程及研究策略。阐述了量子计算的基本理论,给出了量子计算的发展过程和基本的计算方法。概述了量子智能计算的基本理论方法,总结了近年来在量子智能计算方面所取到的研究成果,特别是在生产调度领域里的研究成果。(2)针对流水车间的调度问题,在混合量子遗传算法(HQGA)的基础上提出了新的混合量子遗传算法(NHQGA)。在新的算法中,改进了原有的量子编码及解码方法和量子进化策略。新的编码方法使得量子个体的染色体长度大为缩短,新的动态调整旋转角策略使得量子进化的目的性更强,以提高优化质量和优化效率。通过大量的基准问题的仿真验证了算法在收敛速度及优化质量上都得到了改进。(3)针对作业车间调度问题,在量子进化算法中引入跳跃基因算子以保持种群的多样性,同时在量子进化方面采用动态调整量子旋转角的策略,即在量子进化的初期旋转角线性增加,在量子进化的后期旋转角线性减小,以保持算法的搜索能力。同时在算法中引入灾变操作,当最优解在一定的代数内没有得到更新,则更新部分种群。通过大量的基准问题的仿真验证了算法的有效性。(4)针对柔性作业车间调度问题,采用一次测量,两次解码的方法,将一次测量得到的二进制编码分别解码为基于机器的编码与基于工序的编码,在量子进化中采用与流水车间及作业车间调度中不同的动态旋转角策略,在该动态旋转角调整策略中,旋转角随着相邻两代目标函数的梯度变化而变化,以有效提高量子进化的目的性。通过具体的实例仿真验证了算法在优化效率及优化质量上都有所提高。(5)总结了量子进化算法目前存在的问题,并对量子进化算法未来的发展方向提出展望。