制造业有着夯实经济基础的重要作用,国家对制造业的重视程度越来越高,传统车间生产已经不能满足生产要求,因此建设智能工厂是制造业未来发展的趋势。在建设智能工厂过程中,明确需求并给出合理科学的方法是必要可行的。本文从智能工厂的需求出发,建立了智能工厂生产架构,同时对调度的方法做了详细阐释。首先,指出了传统企业在建设智能工厂过程中出现的问题,对智能工厂的需求进行了分析,给出了基于需求的智能工厂生产解决方案,最终提出了基于需求的智能工厂生产架构,明确了架构各模块的内容和各模块之间的联系。其次,设计了一种改进海鸥优化算法（Improved Seagull Optimization Algorithm,ISOA）,使用基于Logstic混沌映射的初始化方式进行种群初始化,并设计了新的局部搜索模型,在保留完善海鸥算法简易实用和精确性的基础上改进了算法迭代前期收敛缓慢容易陷入局部最优的缺点。使用ISOA在常用的10个基准测试函数上进行测试,通过和遗传算法（Genetic Algorithm,GA）、海鸥优化算法以及灰狼算法（Grey Wolf Optimizer,GWO）对比,验证了ISOA的性能优越性。进一步,使用ISOA求解两阶段柔性作业车间调度问题（Flexible Job-shop Scheduling Problem,FJSP）。在第一阶段中,考虑能耗成本和拖期惩罚成本,建立了以最小成本为目标的多工厂工件分配模型,通过仿真对比分析,ISOA相较于GA、SOA可以更多地降低成本。在第二阶段中,建立了以最大完工时间为目标的FJSP模型,并使用双层编码方式进行调度编码,在不同规模的FJSP中使用ISOA进行求解,实验结果表明,ISOA能较大幅度的减少车间调度时间。最后,设计了基于优先级计算和ISOA的车间多目标调度方法,过程考虑了生产工序和机器设备的多个模糊性调度目标,并建立了相应的评价准则。使用层次分析法（Analytic Hierarchy Process,AHP）和模糊隶属度函数对优先级进行计算。建立了综合收益模型,通过将模糊多目标问题转化为综合收益最大化的单目标问题,简化工厂生产调度难度的同时,从整体上优化了车间生产质量。