模具设计在模具整个生命周期中占有十分重要的地位。随着市场竞争日趋激烈，具有专业技术的设计人员成为企业的稀缺资源。企业在关注先进数字化技术的同时，也开始重视通过科学合理的方法对设计人员进行配置。管理者在进行人员配置时，既要考虑订单到达的随机性、设计任务中断的随机性，又要考虑人员的差异性、学习性、技能属性等特点，很难准确配置设计人员。本文结合模具设计任务及设计人员的特点，系统深入的研究了随机环境下模具设计人员优化配置问题，在保证企业的设计能力的同时，又要避免出现人力资源的浪费。　　模具设计人员优化配置问题，以人力雇佣成本最小化为目标，同时兼顾平均设计产出、平均设计周期双重约束。该问题是一个随机、非线性整数规划问题。因为问题的约束条件（模具订单平均设计产出、平均设计周期）与决策变量（模具设计人员配置数量）无法用封闭形式加以表述，本文通过构建仿真模型建立起约束条件与决策变量之间的近似关系，然后采用全局搜索性较好的智能算法在大范围解空间中搜索最优解。基于所提出的求解方法，本文的研究步骤和内容如下:　　首先，描述模具设计人员优化配置问题，并建立数学模型。详细分析模具设计任务和模具设计人员的特点。　　其次，基于该问题的复杂特点，对实际模具设计过程进行抽象，构建随机环境下、任务可中断的模具设计系统仿真实验平台;通过分析影响性能指标的主要因素，设计仿真实验方案;在此基础上，初步分析了系统平均设计产出和平均设计周期与设计任务中断概率、设计人员学习比率、设计等待区容量的关系，为以后的深入研究奠定基础。　　第三，对于原问题进行简化，研究单技能异质型设计人员优化配置问题。首先，通过对数学模型的约束进行松弛，将非线性整数规划问题转变为线性整数规划问题，用LINDO软件对松弛约束后的数学模型进行求解，以得到该问题的初值;然后，设置仿真模型的参数以符合单技能异质型设计人员的特点，设计了遗传粒子群混合算法和仿真优化相结合的方法，将求得的初值带入混合算法作为起始搜索点，搜寻问题的最优解;最后，设计算例验证所提方法的有效性，并与传统遗传算法对比，验证该算法有良好的稳定性和收敛性。　　第四，研究多技能学习型设计人员优化配置问题。首先对数学模型的约束进行松弛求出问题的初值;然后，设置仿真模型的参数以符合多技能学习型设计人员的特点，采用遗传粒子群混合算法和仿真优化相结合的方法，将初值带入混合算法作为起始搜索点，求解该问题;最后设计算例验证所提方法的有效性，并与传统遗传算法对比，验证该算法有良好的稳定性和收敛性。　　基于以上研究内容，本文为解决模具设计人员优化配置问题提供了参考，一方面，深化了人员优化配置研究理论;另一方面，为管理者的决策提供相关依据。