作为一种先进的制造理念，知识化制造自提出以来一直受到学者们广泛的关注。自进化是知识化制造系统(Knowledgeable Manufacturing System，KMS)一个重要的特征，它着眼于制造系统自身，旨在保持原有的生产控制策略不变，通过制造系统的自身调整来提高生产性能、实现预期目标并及时响应动态的制造环境。装配环节常常被视为航空发动机制造过程的瓶颈，在整个航空发动机制造过程中占有重要的地位。因此，亟需一种先进的制造技术来提高生产性能，降低装配车间的生产成本。本论文针对不同生产环境下的航空发动机装配车间，研究了知识化制造系统的自进化问题。主要内容概括如下:　　1.针对静态知识化制造环境下的航空发动机装配车间，研究了知识化制造系统的自进化问题。采用滚动时域方法将整个自进化问题分解成一系列滚动窗口内的静态决策子问题，从而实现该装配车间的周期性自进化。根据问题的特点，首先建立了系统在每个决策时刻的静态决策子问题的一般数学模型，并证明了模型中存在的一个关于决策时刻装配组剩余在加工时间计算的性质。然后，提出了基于初始决策方案的滚动规则，证明了系统在该滚动规则下得到的全局调度方案的可行性，并给出了一种求解该装配车间自进化问题的两阶段算法。针对所建立的数学模型，设计了一种具有双层结构的遗传算法(Bi-level Genetic Algorithm，BiGA)进行求解。最后，通过大量的仿真分析了滚动窗口和滚动步长的大小对生产性能的影响。实验数据表明，大多数情况下周期性自进化有利于系统生产性能的改善。　　2.针对产品动态到达的航空发动机装配车间，引入自进化的思想，研究了动态生产环境下知识化制造系统的自进化问题。首先给出了动态事件的处理方法，并提出了动态知识化制造环境下该装配车间自进化问题的求解算法。其次，根据双层规划理论，建立了系统在每个决策时刻的静态决策子问题的一般数学模型。为了减小搜索空间，降低计算负担，提出了一种基于可行域搜索的双层遗传算法(Bi-level Genetic Algorithm Based on Feasible Region，FR-BiGA)对模型进行求解。算法中分别对各遗传算子进行了设计，以获取可行解，并证明了下层可行染色体经变异操作后仍然能保持其可行性。最后，仿真结果验证了自进化的系统在生产性能方面具有明显的优势。此外，通过实验所提算法的有效性也得到了验证。　　3.考虑存在缺件情况的航空发动机装配车间，研究了知识化制造系统的自进化问题。采用事件和周期混合驱动型自进化机制，结合滚动时域方法实现该车间的自进化。基于生产的特点，首先提出了一种可行的滚动规则，用于各决策时刻选取工序进入滚动窗口。然后，建立了每个决策时刻系统中静态决策子问题的数学模型，证明了模型中一个关于装配组负载计算的性质，并提出了自进化问题的求解算法。针对所建立的数学模型，设计了一种遗传-变邻域搜索算法(Genetic-Variable Neighborhood Search，GVNS)进行求解。在下层的变邻域搜索算法中，提出一种启发式算法构造初始解，并设计了两种邻域结构用于搜索过程。最后，通过大量仿真对所提算法的性能进行了分析。实验数据表明，自进化在提升系统生产性能方面能够发挥着重要的作用。