作业车间调度(Job Shop Scheduling)是在车间层资源约束条件下实现生产任务优化的过程。现有作业车间调度研究多基于理想的作业车间调度模型和严格的假设条件，忽略了加工时间之外的运输时间、设备调整时间和维修时间等时间因素，并将生产中的各种不确定因素简化为确定因素，模型与生产车间的实际情况存在脱节，极大制约了其实用性。为此，研究更加符合实际生产环境的调度模型，对提高车间调度的应用性能具有重要的理论和实际意义。　　本文针对经典柔性作业车间调度问题，考虑生产实际中普遍存在的设备调整时间、运输时间和维修时间等多种不确定时间因素的影响，建立了一种不确定多时间柔性作业车间调度模型，并提出一种改进的人工鱼群算法求解该调度模型。论文主要内容包括：　　①针对柔性作业车间调度问题需要解决的机器选择和工艺排序两个子问题，采用双子串编码方式，设计人工鱼群算法求解该问题。针对基本人工鱼群算法存在的寻优精度低等不足，提出了柔性参数设置、步长参数分解等改进策略，提高了算法寻优能力。通过标准MK算例验证了改进人工鱼群算法的有效性。　　②深入分析加工时间、调整时间、运输时间、维修时间等多种时间因素在车间生产过程中的重要性，建立综合考虑上述四种时间因素的柔性作业车间调度模型。最后以最小化最大完工时间为优化目标，利用改进人工鱼群算法求解该调度模型。对比分析实际生产条件下多时间柔性作业车间调度模型和经典调度模型的差别表明，在调度模型中充分考虑各种时间因素，有助于增强调度模型的实用性。　　③针对实际生产过程中上述时间因素存在的不确定性，采用模糊数学理论，用三角模糊数描述各种不确定的时间参数，建立模糊多时间柔性作业车间调度模型，并采用改进人工鱼群算法求解模糊调度模型，得出模糊最优决策。通过与以往的调度模型进行比较，表明本文提出的模型更加符合生产实际。　　实验用例的结果表明，本文考虑生产实际建立的不确定多时间柔性作业车间调度模型，有利于提高车间调度模型的实用性，可以为生产管理者提供更加有效的决策支持。