随着全球经济一体化和市场竞争的不断加剧,多地生产统一管理的模式逐渐应用于制造业中。这种生产模式带来了一种新的调度问题——分布式调度问题。本课题针对分布式装配流水车间调度问题（Distributed Assembly Permutation Flowshop Scheduling Problem,DAPFSP）进行研究,提出了基于迭代贪婪算法和进化算法的智能优化调度算法。具体工作如下:首先,阐述本研究的背景和意义,对DAPFSP的国内外研究现状进行文献综述和发展动态分析。接着,针对以最小化总流经时间为优化目标的DAPFSP,建立了一种混合整数规划模型,提出了一种基于种群的迭代贪婪算法。在所提算法中,设计了一种启发式算法来获得初始种群,设计了针对产品和工件的解构算子、重构算子和局部搜索算子来提高搜索效率,并采用了一种基于目标值和个体年龄的混合选择方法来增加种群的多样性。其次,针对以最小化总延迟时间为优化目标的DAPFSP,提出了一种增强的文化基因算法。根据问题特性,提出了一种带有随机算子的启发式算法,在提高初始种群质量的同时保持了初始种群的多样性。采用了一种嵌套迭代结构及适合于该结构的种群更新方法来提高算法效率。设计了一种新的遗传算子和4种局部搜索算子,并通过加入待定参数来增强算子的适应性。再次,针对以同时最小化总流经时间和总延迟时间为优化目标的DAPFSP,提出了一种两阶段进化算法。第一阶段采用了一种双种群结构的非支配排序遗传算法,并提出了一种双种群结构的启发式算法。基于双种群结构的特点,设计了针对不同优化目标的交叉算子、变异算子和整合交互方法,以减少种群内的重复性并增加种群间的多样性。第二阶段采用了基于分解的多目标进化算法,该算法消除了繁琐的个体改进阶段,并设计了适应性强的遗传算子。最后,通过与权威文献上的相关调度算法相比较,验证了所提算法及其关键模块的有效性和优越性。