生产调度问题作为一类复杂的组合优化问题,广泛存在于多个应用领域,如金属工业、制药工业等。这类问题的求解主要通过合理地对有限资源进行整合与分配,以期得到最优的解决方案,从而凸显企业的竞争力。对生产调度问题的研究,逐渐从经典调度问题转变成批调度问题。现如今,企业从获得长久效益角度出发,将产品的生产与运输紧密结合,可以进一步提高客户服务水平,也因此促进了生产与运输集成调度问题的研究。生产与运输集成调度问题同时考虑产品的生产与运输两个阶段,进一步拓展了批调度问题,简称为集成调度问题。本文针对差异容量平行机环境下的集成调度问题展开研究,以最小化工件总加权运输时间。单机批调度问题已被证明是NP难问题,而两阶段集成调度问题相对更加复杂,因此本文研究的问题也是NP难的,其求解对于制造企业的生产管理与决策具有重要的指导意义。本文首先介绍了集成调度问题的研究背景及意义,再概述了批调度和集成调度问题的研究现状。然后阐述了批调度问题的基本概念及其分类,并介绍了求解批调度问题的方法,包括精确算法和近似算法。随后本文介绍了集成调度问题,并对差异容量平行机环境下的集成调度问题展开研究。首先描述了本文研究的问题,并提出了下界算法LB作为评估其他算法性能的基准,再根据机器的差异容量提出了两种启发式算法H1和H2。然后,针对本文研究的问题提出了基于蚁群优化的生产与运输集成调度算法ISACO(Integrated Scheduling Ant Colony Optimization)。在算法ISACO中,本文设计了三类候选列表来降低搜索空间,基于平均批权值改变的启发式信息能够有效的控制蚂蚁的搜索方向,并通过局部优化策略进一步提高解的质量。接着,通过一系列仿真实验,对本文所提各算法的性能进行验证。基于下界算法LB求得的下界,将算法Hl、H2、ISACO与已有文献中的粒子群算法PSO(Particle Swarm Optimization)进行对比,从解的质量、算法运行时间两个角度衡量算法的性能,结果显示ISACO算法的性能优于其他几种算法。最后,对本文研究的差异容量平行机环境下的集成调度问题及提出的算法进行总结,并对今后的研究方向进行展望。