在实际调度中,许多参数在调度之前不是精确已知的,这些参数的不完全性和不确定性往往不符合统计的规律,模糊调度研究就是运用模糊集理论表示这类不精确参数,并求解对应的不确定性调度问题。　　 论文研究了单机、并行机和车间调度这三类主要的模糊调度问题的建模过程和求解方法,给出了模糊调度研究的一般框架。模糊调度采用模糊数描述问题中的不精确参数,通过模糊数的运算来表示调度问题的模糊约束和模糊目标函数。模糊调度问题既要优化确定性调度问题中已有的性能指标,还需要处理模糊调度特有的模糊性能指标,因此论文分析的几种具体的模糊调度问题具有多个目标函数。为了同时最优化多个目标函数,引入Pareto最优的概念描述问题的最优调度,借鉴非支配调度的方法在多个目标函数之间寻找平衡,得到模糊调度问题的最优解。根据模糊参数和目标函数的不同,采用适合模糊环境的启发式规则算法求解简单的模糊调度问题,复杂的问题则采用针对具体问题的遗传算法或者神经网络等人工智能的方法来求解。　　 论文的主要研究成果和创新如下:　　 1.提出了一种带模糊任务交货期和模糊任务优先关系的单机调度问题,问题的目标函数是任务完成时间关于模糊交货期的满意程度和模糊优先约束的满意程度。采用非支配调度的概念来描述该双目标函数问题的最优解,提出通过寻找非支配向量的方法来求解问题。在上述问题的研究基础上,进一步指出当问题还具有确定性优先约束时,也可以采用非支配调度的方法来求解带混合优先约束和模糊交货期的单机调度问题。　　 2.分析了一种带模糊处理时间的单机模糊时间延迟调度问题,提出采用L-R模糊数来表示任务的时间延迟和模糊处理时间,改进了已知的Lawler算法,能够在多项式时间内求解该模糊时间延迟调度问题,但是该问题对应的确定性问题却是NP难题。通过该问题的求解,指出某些情况下把问题模糊化可以达到降低问题的复杂性的效果。　　 3.研究了一种目标函数为最大模糊拖延时间的期望值的单机调度问题,针对该模糊问题的NP完全特性,提出采用标准遗传算法寻找问题的最优解。　　 4.对于并行机调度问题,提出了一种任务的交货期是模糊数的调度问题,调度的目标是最优化任务的最大完成时间和模糊交货期的最小满意程度。该问题无法在多项式时间内求解,因此论文分别采用Niched Pareto遗传算法(NPGA)和非支配排序算法(NSGA-Ⅱ),通过寻找问题的Pareto最优调度来求解问题。在问题求解过程中发现,两种遗传算法的求解能力相同,通过进一步改进NSGA-Ⅱ算法,使得改进的NSGA-Ⅱ算法比NPGA算法更容易实现。　　 5.对于并行机调度问题,提出当任务处理时间是三角模糊数、允许任务处理中断、调度的目标是最小化所有任务的总完成时间时,可以采用最短剩余处理时间在最快机器上优先(SRPT-FM)规则求解该问题。在采用SRPT-FM规则求解问题的过程中,为了比较模糊处理时间的大小,引入模糊集理论中的必然性测度对模糊数进行排序,通过衡量不同模糊数的大小,来确定任务的加工顺序。　　 6.最后分析了一种任务交货期是模糊数的job shop问题,调度的目的是使得任务完成时间关于模糊交货期的最小满意程度最大化。该问题同样没有多项式时间算法,提出用神经网络来求解该模糊job shop问题,把问题的目标函数结合调度约束表示成一个能量函数,采用Hopfield神经网络来最小化能量函数,得到问题的最优调度。