在生产制造领域转向智能化、高效化转型发展的当下,制造业的生产特征由原来的单品生产、流水批量生产转变为小批量、个性化定制生产,生产过程变得更加复杂化。智能调度是企业生产过程中的重要环节,柔性作业车间调度问题（Flexible Job shop Scheduling Problem,FJSP）研究的是在一定工序约束和相关加工机器数量等约束条件下,对生产资源进行合理调配,为订单生产制定不同的加工顺序链,并为各待加工工序安排对应的加工机器和加工时间,生成一种最优的调度方案,从而提高生产效率,增加柔性,为实际生产活动提供指导,这对预测项目完成周期,指导项目顺利实施具有重要意义。因此,研究FJSP问题具有极为重要的理论价值与现实意义。本文采用头脑风暴智能优化算法对复杂FJSP问题进行了研究,主要内容如下:首先,头脑风暴优化算法模型结构简单、收敛迅速,通过对柔性车间调度问题特点的分析,建立调度模型,基于算法求解实际问题的基本框架,提出了一种求解经典FJSP的头脑风暴优化算法,算法以最小化最大完工时间为优化目标,对经典柔性调度问题进行求解,基于多个体进化策略的改进头脑风暴算法,引入了精英解的概念,加快算法收敛,通过引入自适应选择策略,加强了算法的搜索效率,改进了算法精度差及后期收敛速度较慢的缺陷,利用Kacem算例和Brandimarte算例对算法进行测试,并与其它几种常用算法进行对比分析,结果表明,本文所采用的头脑风暴优化算法搜索性能整体较优。其次,在经典柔性调度问题的基础上,考虑最大完工时间、机器瓶颈负荷、机器总负荷三个目标同时优化的调度问题,对多目标柔性车间调度做了进一步研究。通过分析各目标的特点,设计了一种基于支配关系的头脑风暴优化算法,用于解决多目标FJSP问题,分析各目标之间的约束关系,建立了合适的支配关系,在保留原有种群较强搜索能力的基础上,引入POX交叉方式、局部邻域搜索策略,提升了算法的寻优性能。通过对标准算例库中不同规模问题进行实例仿真,采用稳定性指标和分布性指标评价方式,验证了本文提出的算法优化效率高,有较好的稳定性及寻优性能,是求解复杂柔性调度问题的有效算法。最后,在静态调度问题基础上进一步研究了基于随机事件的动态柔性调度问题。针对企业在实际加工生产中的突发随机事件扰动进行了分析,引入加工机器故障的动态扰动因子,通过分析扰动事件的特点,采用基于事件驱动策略的触发机制、剩余工序完全重调度策略,提升了算法对扰动事件的处理性能。通过对测试算例进行实例仿真,采用完工时间偏差率指标和工序排序偏差值指标对算法的测试结果进行评价。验证了本文算法的有效性,在求解复杂柔性调度问题方面有较大的潜力。本文设计算法在解决柔性作业车间调度问题时有较为优秀的性能,为调度排产决策及目标优化提供参考依据。