面对当今日趋激烈的市场竞争，以产品为中心的传统企业管理理念正在发生变化，逐步被提高客户满意度的理念所取代。车间调度作为生产制造的关键环节对降低成本、提高客户满意度具有重要的影响，是企业提高竞争力的关键因素。随着柔性制造系统的发展和普及，越来越多的制造过程具有工艺路线柔性和机器柔性，对多工艺路线柔性作业车间调度问题（Flexible Job Shop Scheduling Problem with Process Plan Flexibility，FJSP-PPF）进行有效的建模与求解，是快速响应和满足客户需求的必要条件。与此同时，在企业生产实际中，多目标同时优化的情况普遍存在，各个目标之间既相互联系又相互制约。因此对于单目标和多目标FJSP-PPF问题的研究具有理论和实际的意义。　　针对单目标 FJSP-PPF问题，以最大完工时间最小化为目标，构建问题的四维析取图模型并建立蚁群算法调度模型，提出一种具有前后继承关系的三阶段改进蚁群算法。将调度过程分成三阶段：工艺路线选择阶段考虑工序数量和总加工时间，机器选择阶段考虑设备负载和工序加工时间，工序排序阶段考虑工序加工时间，从而设计三阶段算法的蚂蚁状态转移规则。为了提高解的质量，针对每阶段解序列特点设计了邻域搜索策略。对单目标算法进行了参数实验和收敛性分析，通过与文献中的算法进行对比验证了在最小化最大完工时间方面的优越性，通过随机算例仿真验证了相对于遗传算法在求解结果、求解稳定性和运行时间等方面的优越性。　　针对多目标 FJSP-PPF问题，考虑最大完工时间、总拖期、机器总负载、最大机器负载等多个性能指标，建立问题的四维析取图模型和多目标调度模型。在单目标算法基础之上，改进了基本蚁群系统中对解序列的搜索过程从而增加解的数量。将 Pareto支配理论与蚁群系统相结合设计了基于Pareto排序方法的信息素更新策略，使算法朝Pareto前沿搜索。通过随机算例仿真分析了多目标算法分别在2个调度目标和3个调度目标条件下的收敛性和Pareto解的分布特性。通过文献算例仿真验证了相对于文献算法能获得更为逼近 Pareto前沿的解，通过随机算例仿真验证了相对于遗传算法在解质量和运行时间上的优越性。最后进行了算例仿真，结果分析说明了单目标和多目标算法各自的不可取代性。　　在上述研究基础之上，以上海市某军工企业为背景，设计与开发了面向复杂产品制造过程的生产调度系统，其中的核心模块是基于本文研究内容开发的，通过实例仿真验证了本文提出的算法能帮助缩短生产周期，提高设备利用率，降低机器负载。