无等待流水调度(NWFS)是一类重要的约束流水调度问题，它要求任务的加工从开始到结束必须连续进行，不能出现等待，即任务在给定机器上的开始时间必须延迟以满足该工序的完成时间与下一个工序在下一台机器上的开始时间相符合。该问题广泛存在于冶金、塑料、化工和食品加工等行业，高级制造环境如JIT、FMS以及机器之间具有高度协作的加工环境，通常也被模型化为无等待调度。无等待调度的优化目标可模型化为相邻任务间“距离”或“总空闲时间”的加权和，通过分析发现这些“距离”或“总空闲时间”只与相关任务的加工时间有关，独立于调度序列中的其他任务，故可事先确定，算法搜索过程中产生的调度是否更优可以通过计算所有变化点的目标增量和来评价，而不需要计算整个调度中所有任务的时间参数，可大大降低算法的时间复杂度。基于该无等待流水调度特性，通过对该问题国内外研究现状的分析，论文重点围绕最小化最大完工时间(Makespan)、最小化总完工时间(Flowtime)以及最小化二者的双目标无等待调度问题进行深入研究，主要工作和创新点如下： (1)构建最大完工时间和总完工时间最小化的无等待调度模型：根据最大左移长度(Tri-L)将一个任务的最大完工时间等价转化为其前面任务间距离和，从而将目标函数Flowtime等价转化为相邻任务距离加权和的形式；根据最大左移长度，将最小化Makespan问题等价转化为求解所有机器上总空闲时间和最小的问题：而Flowtime与Makespan双目标则转化为相邻任务的距离加权和。分析出目标函数值的独立性。 (2)提出基于增量的最大完工时间最小化无等待调度混合遗传算法：根据问题特点分析并推导启发式算法插入、删除、移位和对换等基本操作的基本最大完工时间增量性质及其扩展性质；构造MBJI、MBJT和MBJS三种基本目标增量法；分析了混合算法的基本结构与优化策略，设计混合遗传算法IIHG，并将其与求解该问题的最有效算法在120个Benchmark实例上进行了比较，验证了IIHG在性能和效率上的优势。 (3)提出基于增量的总完工时间最小化无等待调度复合启发式算法：根据问题特点分析并推导启发式算法插入、删除、移位和对换等基本操作的总完工时间增量性质：构造FBJI、FBJT年IIFBJS基本目标增量法；将该性质推广到任意一台机器，并构造FGBI、FGBT和FGBS通用总完工时间增量法；设计复合启发式算法OICH1和OICH2；实验结果表明，OICH1在性能和效率方面均优于当前最好的启发式算法PHlp: OICH2在性能上比OICH1好，但其时间开销较大。 (4)提出基于增量的总完工时间最小化无等待调度智能优化算法：设计基于分段重构策略和迭代全局搜索的快速迭代贪婪算法FIG、基于动态选择策略和唯一性稳态繁殖策略的混合遗传算法DSHG、以及基于高概率轮转扰动的微型进化算法MEA等三种智能优化方法；实验结果表明，FIG在性能上优于PHlp和SRTS，略逊于DPSOvnd，在效率上优于SRTS和DPSOvnd，比PHlp略差；DSHG在性能上远好于PHlp、SRTS和TGA，在效率上优于TGA，逊于PHlp和SRTS: MEA算法与目前求解该问题最好的算法DPSOvnd相比，在计算效率相近的情况下其性能更优。 (5)提出基于增量的最大完工时间与总完工时间双目标最小化无等待调度智能优化算法：根据问题特点分析并推导启发式算法插入、删除、移位和对换等基本操作的加权和目标增量性质；设计混合遗传算法OIMOGA，并将其与求解该问题的最有效算法在30个Benchmark实例上进行了比较，结果表明OIMOGA在不同情况下所获得的最优解都充满可行目标空间域，特别是对于较大规模问题其性能优势明显，可取得较多、分布均匀、高质量的Pareto最优解。