差异批调度问题(Batch-processing Machine with Non-identical job Sizes, BMNS)是现代生产调度领域中一个新的研究方向,在工业生产、制造系统中均有广泛的实际应用。极小化总完工时间的BMNS问题本身为NP-难问题,而现实环境有着大量的不确定性,因此对模糊环境下的差异批调度问题进行研究具有重要的理论价值和现实意义。本文首先对极小化总完工时间的单机差异批调度问题进行建模,然后运用模糊理论相关知识对模糊环境下的调度信息进行模糊处理,构造了模糊环境下极小化总完工时间的单机差异批调度模型；然后采用混合智能优化算法对问题进行求解,针对问题的复杂性,分解为对工件分批和批排序两个子问题,设计了双层混合最大最小蚁群算法(MMAS),利用改进型蚁群算法——最大最小蚁群算法的全局搜索能力,结合确定性局部搜索,有效地解决了该问题。本文的主要工作如下：(1)建立模糊环境下的极小化总完工时间的单机差异批调度模型。根据BMNS问题的基本特征,采用整数规划方法构建了模型；在此基础上,将加工条件的模糊性用模糊工件加工时间和模糊批次间隔时间进行表征,运用模糊理论的基础知识,建立模糊环境下极小化总完工时间的单机差异批调度模型。(2)设计了针对模糊环境下极小化总完工时间问题的双层混合MMAS算法。首先将极小化总完工时间的批调度问题分解为分批和批排序两个子问题,设计了双层人工蚁进行搜索,针对问题的复杂性,提出最大最小蚁群算法嵌入确定性的局部搜索混合算法,充分将蚁群的全局随机搜索和确定性局部搜索相结合,保证所求解质量的同时减少算法运行时间,该混合算法能够解决蚁群算法容易陷入局部最优化的间题。(3)通过仿真实验分析算法求解的可行性和有效性。采用随机算例,针对目标函数为极小化总完工时间的常用智能优化算法在同一计算机上编程运行,对运行时间和求解性能进行比较,结果表明本文提出的算法优于已有文献中的其他智能算法。