车间调度在制造企业的生产管理中占有重要位置,具有提高企业生产效率、降低成本以及增强市场竞争力等重要作用。在车间调度领域中,作业车间调度问题(Job-shop Scheduling Problem,JSP)是最经典的模型之一,是许多实际作业生产系统的简化抽象,在离散制造业中应用广泛。然而在实际生产车间中,常遇到某些工序需要多台处理机(指设备或者工人等)同时加工的情形,这对JSP的应用提出了挑战。因为JSP假定每道工序都只能在一台处理机上加工完成,难以应用于需要多台处理机同时加工的情景。本论文把这种有多处理机任务加工需求的JSP问题称为“具有多处理机任务约束的混合作业车间调度”(Hybrid Job-shop Scheduling with Multiprocessor Tasks,HJSMT)问题,这类调度问题在实际生产中非常普遍,因此开展对HJSMT的研究具有重要的理论意义和应用价值。本文的目标是对HJSMT问题进行分析,建立数学模型,并设计出性能优良的求解算法。具体地,将从HJSMT的一个简化模型入手,首先研究单工序HJSMT问题,然后在此基础上扩展至一般的多工序HJSMT问题。在求解算法方面,论文采用粒子群优化(Particle Swarm Optimization,PSO)算法作为主要的求解算法。对算法的改进工作包括:设计粒子的编码策略、确定粒子信息交换的方式、确定适应值函数、增强算法的局部搜索能力等。最后通过仿真实验证明提出的算法不仅在求解HJSMT问题时表现良好,在处理JSP时还取得了著名的FT10和FT20问题的最优解。实际生产环境中的不确定性是影响调度方案性能的重要因素,因此本文在确定模型的基础上继续深入,开展对随机HJSMT问题的研究。考虑调度方案的抗风险能力,本文使用场景分析法建立随机HJSMT模型,并提出一种鲁棒优化模型,即期望-最坏场景模型。在仿真实验中利用该模型处理随机HJSMT问题,结果表明调度不仅具有良好的平均性能,还具备较强的抗风险能力。