在“中国制造2025”和“工业4.0”的大背景下,如何提高制造企业的生产效率和竞争力成为工业界重点关注的问题。调度在工业生产中起着决定性的作用,它能直接影响企业的生产效率,进而影响客户的满意率。而柔性作业车间调度的优化始终是调度问题研究领域中的一大热点,一方面它与制造企业的实际生产十分吻合,另一方面它也是实现制造企业高效率生产的关键因素之一。鉴于以上所述,本文以柔性作业车间调度问题(Flexible job shop scheduling problem,简称FJSP)为研究对象,去研究如何运用人工蜂群算法解决单目标和多目标优化调度问题。通过对柔性作业车间调度问题的本质进行深入研究,从数学模型和析取图模型两方面去构建FJSP的模型,并根据实际生产情况,确定了决策变量、约束条件和优化指标。建立模型之后,引入人工蜂群算法,并通过对相关测试函数的仿真验证了人工蜂群算法在优化问题上良好的求解性能。同时通过对几个简单的FJSP实例的优化求解,证明了人工蜂群算法在求解FJSP上的可行性。在求解以最大完工时间为最小化目标的FJSP时,本文设计了一种改进的人工蜂群算法,主要的改进和突破包括:为丰富初始种群的多样性,采用混合规则进行初始化;雇佣蜂阶段引入改进RPOX交叉算子增强局部搜索能力;跟随蜂阶段加入基于模拟退火的局部搜索提升了算法的全局搜索和开发能力。使用两个测试集中的15个实例进行仿真,并通过与其他文献中不同算法的仿真结果进行对比,验证了所提出的改进人工蜂群(IABC)算法在求解单目标FJSP的有效性,IABC算法能够得到最优的调度方法。最后将所提出的IABC算法应用于飞机总装生产线的实际生产数据中,得到了最优的调度方案,从而证明了算法在实际生产中的应用价值。将单目标FJSP延伸到多目标FJSP,以最大完工时间、最大机器负荷和机器总负荷为优化目标,并对人工蜂群算法进行了改进,包括在雇佣蜂阶段加入领域搜索、跟随蜂阶段采用锦标赛选择策略和优化外部档案集更新机制等。通过以上改进,使算法在求解多目标优化问题上的性能得以提升,最后通过仿真验证了所提出的算法能够得到质量更高的Pareto最优解。