作业车间调度问题,经过了半个多世纪的研究,取得的丰富的理论成果。柔性车间调度问题是对作业车间调度问题的扩展,由于其具有路径柔性的特点,相比较普通的作业车间调度问题来说,更加符合实际的生产环境。因此,如何找到解决多目标柔性车间调度问题的方法,具有重要的理论和实际意义。本文分为双目标和多目标两个部分介绍,其中双目标包括:完成时间、机器负载。而多目标包括:完成时间、机器负载、存储成本和关键机器负载。本文主要对单个资源的柔性作业车间调度进行建模和分析,并且针对单资源问题,给出系统的特征以及满足的特性。本文中主要讨论了如何利用混合粒子群算法来求解柔性作业车间调度问题,特别是多目标的柔性车间调度问题。本文主要工作如下:首先,提出了混合粒子群算法,并将其应用在柔性车间调度系统中。在粒子群算法的基础上,借鉴了模拟退火算法的思想,利用模拟退火算法能以一定概率跳出局部最优解的特性,提高算法的全局性搜索能力。将算法应用于多目标柔性作业车间调度问题的求解,实验结果表明算法具有良好的全局搜索能力。其次,针对多目标柔性作业车间调度问题,提出了一种新的适应度的分配方法。先在Pareto优胜关系的基础上对种群的单个目标值进行Pareto排序,然后再根据需求对所有个体的各个目标的排序结果进行加权。这样就避免了因为单个目标值过大,而影响最终总体结果的情况发生。第三,借鉴了遗传算法的变异操作增加了解空间的多样性,利用精英解集来存放搜索过程中找到的非劣解。最后,用改进的粒子群算法与粒子群算法以及遗传算法进行对比实验。实验结果证明了混合粒子群算法的优越性。