汽车的个性化定制服务将是未来汽车制造业的一个竞争焦点。而汽车的个性化定制服务意味着,一条生产线上将要同时生产各种型号的汽车。在这种混流生产模式下,传统的排产方式难以制定一个经济、高效的排产计划。因此本文将对整车生产流程进行建模,提取不同车间的生产队列特征作为模型的优化目标,并设计一套混合启发式算法用于求解,通过将本文算法与传统排产方法进行比较,来验证本文模型的有效性及算法的优越性。本文以长安汽车的总装车间、涂装车间、焊装车间、涂后缓冲平台、焊后焊冲平台为对象,分别建立了三个流水车间的订单排产模型和两个缓冲平台的车身调度模型,该模型有四个优化目标,分别是:(1)关键零部件的实际消耗速度与理想值的偏差;(2)装配关键零部件的工位的负荷;(3)涂装队列颜色的切换次数;(4)焊装列队车型的切换次数。针对该模型,本文设计了一套混合启发式算法用于求解,算法由改进适应度算子的遗传算法和基于出入站规则的启发式算法组合而成。该混合算法会对局部最优解有所偏好,在遗传操作时能够更好的将解的优势特征传递下去,从而提高搜索效率,并且通过调节一个平衡参数,可以在算法的优化效果和调度效率之间取得平衡。在带入数据进行了50次算例仿真之后,取最好的一次结果进行可视化动态仿真。通过对动态仿真的结果进行分析,验证了本文所设计的模型及算法的有效性。最后将长安汽车现有的排产算法与本文设计的算法在相同的条件下进行对比,本文所设计的算法能够同时对四个优化目标进行优化,且在小幅牺牲涂装和焊装车间的两个优化目标的情况下,可以使总装车间的两个优化目标大幅优于现有算法。而在放宽限制条件的情况下,现有算法仍与本文算法有一定差距,从而证明了本文所设计的算法的优越性。