生产调度是智能制造系统中管理决策和资源分配的关键环节,采用高效的调度方法可有效提升企业生产效率,实现节能减排。柔性作业车间调度问题是一类典型的生产调度问题,广泛存在于各类柔性制造系统中,目前已有学者对该问题的确定性模型进行了一定的研究。然而,实际加工过程中往往存在诸多不确定性因素,因此利用模糊理论中的模糊数表征不确定的加工数据,进而建立模糊柔性作业车间调度问题(fuzzy flexible job shop scheduling problem,FFJSP)模型,可更客观地描述实际生产过程,研究模糊柔性作业车间调度问题和相应的求解算法有很高的理论和实际价值。本文对模糊柔性作业车间调度问题和求解该问题的智能调度算法进行研究,主要内容如下:(1)针对一类采用三角模糊数表示工件加工时间的模糊柔性作业车间调度问题,以最小化最大模糊完工时间为优化目标,提出一种超启发式遗传算法(hyper-heuristic genetic algorithm,HGA)进行求解。首先,设计一种更为准确的三角模糊数排序准则,可合理计算各类模糊调度问题解的目标函数值。其次,HGA高层利用带自适应变异算子的遗传算法对6种特定操作的排列进行优化;低层将高层所得的每种排列作为一种启发式算法,用于对低层相应个体进行局部搜索并生成新个体,同时加入模拟退火机制来避免搜索陷入局部极小。最后,仿真实验和算法比较验证了所提排序准则和HGA的有效性。(2)在(1)的基础上,进一步考虑实际生产过程中交货期的不确定性,建立了采用梯形模糊数表示交货期,目标函数为最大化平均客户满意度的模糊柔性作业车间调度问题模型,提出一种新型离散教与学优化(Novel Discrete Teaching-Learning-Based Optimization,NDTLBO)算法进行求解。首先,综合考虑模糊完工时间和交货期的隶属度,设计一种更准确的客户满意度计算方法。其次,在算法的教学和互学阶段使用两种有效的交叉操作来搜索新解;同时设计学习历史矩阵用于学习和保留每个新解中元素的位置和取值信息,进而在补课阶段,利用学习历史矩阵构造启发式操作对解空间的不同优质区域进行有效搜索。最后,仿真实验和算法比较验证了所提客户满意度计算方法和NDTLBO算法的有效性。(3)在(2)的问题基础上进一步考虑绿色指标,将最大化平均客户满意度和最小客户满意度,以及最小化模糊总碳排放量同时作为优化目标,建立模糊柔性作业车间低碳调度问题(low-carbon scheduling for fuzzy flexible job shop scheduling problem,FFJSP＿LC)的模型,进而结合(1)(2)中两类算法的优势,提出一种混合多目标超启发式算法(Hybrid multi-objective hyper-heuristic algorithm,HMOHA)进行求解。首先,对于算法的高层策略域,提出一种长期评价法对算法中的高层个体进行解码,可更客观地评价每个个体的搜索性能,并使用遗传算法作为高层策略来对低层操作的使用顺序和次数进行优化。其次,对于算法的低层问题域,根据问题性质设计了一种高效的两阶段编码方式和一种改进贪婪活动化解码策略,可充分利用机器加工的空闲时间,选择较优的加工机器,从而提高解的质量,同时使用(2)中NDTLBO算法的高效更新操作作为低层策略集,来实现对解空间不同优质区域的搜索。另外,基于学习历史矩阵,设计了教师自学操作来对非劣解附近区域进行更细致的局部搜索,进一步提升解的质量。最后,仿真实验和算法比较验证了所提算法的有效性。