制造业是国民经济的支柱性产业,在“工业4.0”及“中国制造2025”背景下,大多数制造业开始往智能制造、智能工厂方向转型升级。对于制造车间来说,其自动化、信息化水平越来越高,在这样一个生产环境下,实现切合实际情况的生产调度显得尤为重要,合理的生产调度能够提高生产效率,减少成本,缩短生产周期,实现准时化生产。基于多变的市场环境及客户需求的个性化不断提高,制造企业内的柔性制造程度有了很大的提高,生产制造过程中,会存在多台功能相似的并行设备,同一时间内,可以并行加工同一个产品,此类问题属于并行机调度问题。大多数文献关于并行机调度优化模型都是假设每种产品以单个或整批进行生产、未考虑模具约束及与序列相关的切换时间、对多目标问题研究较少,针对这些问题,本文以某汽车零配企业为背景,考虑实际问题中存在模具数量约束的情况下,对并行机批量流调度问题如何合理分批及子批如何分配并排序的问题进行更切合实际的研究,主要做了如下工作:(1)在对传统并行机问题相关模型基础上,在考虑与序列相关切换时间及模具数量约束的因素下,建立并行机批量流问题模型,模型中把产品的分批大小设为不确定变量,针对分批及子批调度两个问题,设计一种智能优化算法对其进行优化求解。相比传统并行机调度模型,本文建立的模型考虑了更多的实际因素,对解决实际问题有更高的应用价值。(2)考虑到模型既有分批大小的确定还有子批分配与排序的问题,结合GA与DE算法设计了加入局部搜索算法的HDEGA混合算法,实现分批与子批调度两个问题并行优化求解。并对不同规模大小的算例,以最小化最大完工时间为单目标,使用HDEGA算法与GA算法进行求解,对其结果进行比较,结果表明HDEGA算法在寻求最优解的稳定性和收敛性均表现良好,验证HDEGA算法的有效性及优越性。(3)将NSGA-2算法中的非支配解排序思想运用到DEGA算法中,针对实际案例问题,以最小化最大完工时间、最小化提前/拖期惩罚和为目标,建立多目标优化模型,运用DEGA算法进行实际案例的多目标求解,并对结果进行分析,证明了DEGA算法对求解该实际案例的多目标优化问题上具有实用性和可行性。