随着我国经济的发展,决定企业生产运营过程能否平稳高效运转的调度问题其复杂性不断增加。生产调度问题是涉及运筹学、应用数学以及人工智能学等学科的综合性问题,具体来讲,它是研究在满足一定技术与资源约束条件下操作的排序,并且按照排定的顺序给操作分配资源,最终使某个性能指标搜索到最优或近优的管理理论。其研究的范围包括作业车间调度问题、流水车间调度问题和柔性车间调度问题等。生产调度问题是具有多约束、多目标、随机不确定性质的优化问题,搜索该问题的精确解是十分困难的,因此已被证明是NP-hard性质的问题。探究高效的优化算法来解决实际生产调度问题是一个兼具应用价值及科学研究意义的课题。本文系统地研究了生产调度问题和优化算法,并根据实际应用提出了求解复杂调度问题的改进算法,获得了比较满意的调度结果。本文具体的研究工作主要集中在以下几个方面:(1)针对单目标作业车间调度问题(Job Shop Scheduling Problem,JSP),提出了量子状态转移算法(Quantum State Transition Algorithm,QSTA),该方法将量子计算与优化的思想融入状态转移算法构成量子状态转移算法,以最小化最大完工时间为目标函数,用于解决JSP,实现对最大完工时间的最小化。(2)针对多目标作业车间调度问题(Multi-objective Job-shop Scheduling Problem,MOJSP),构建以最大完工时间、最大拖期时间和总流程时间皆最短为优化目标的MOJSP数学模型。利用信息熵理论与灰色关联度分析并行地处理各目标函数,解决了仅采用单一分析策略存在的弊端问题,并利用改进灰熵并行关联度值评判解的优劣。在此基础上,采用QSTA算法并以改进灰熵并行关联度作为适应度值求解MOJSP。(3)针对多目标柔性作业车间调度问题(Multi-objective Flexible Job-shop Scheduling Problem,MOFJSP),提出了一种基于正态云模型的状态转移算法(State Transition Algorithm Based On Normal Cloud Model,CSTA)求解MOFJSP,以最大完工时间、机器总负荷及瓶颈机器负荷皆最小为优化目标,建立相应的MOFJSP数学模型。利用改进后的灰熵并行关联度值作为最终的优化目标引导算法进化,并以此评判解的优劣。通过仿真基准算例及实例,从结果可知,CSTA可有效避免算法早熟、后期收敛速度慢等问题,改进灰熵关联度的适应度值分配策略可有效解决当Pareto解比较序列与参考序列之间的差值相等时不能引导算法进化的问题。仿真结果表明,本文所提的方法及策略在求解JSP、MOJSP、MOFJSP时具有可行性和有效性。