调度问题在柔性制造系统、现代物流、计算机科学等领域中非常重要，但绝大多数调度问题是NP-hard问题，几乎不可能有多项式时间复杂度的最优求解算法，大量研究工作主要集中在近似算法的设计和分析。而调度问题的规模一般较大，分析其近似算法的绝对性能比往往很困难，有时甚至不可行。因此，研究近似算法的渐近性能比就显得很有必要。 对于目标函数为作业加权完成时间和的单机、平行机、flowshop、jobshop调度问题，可以基于加权最短处理时间的启发式算法获得渐近最优解。本论文的目的就是研究这种渐近最优的简单经验规则是否也适合更复杂的调度问题。首先，本论文研究了同速处理机中心的柔性Flowshop加权完成时间调度问题。针对该问题的每个子问题，本文研究了两个基于瓶颈处理机中心的(有效作业)加权最短处理时间的启发式算法，并使用机器模型分组和概率分析方法，证明了它们是渐近最优的。 其次，本论文研究了恒速处理机中心的柔性Flowshop加权完成时间调度问题。针对该问题的每个子问题，本文研究了两个基于瓶颈处理机中心的(有效作业)加权最短处理时间需求的启发式算法，并使用单机松弛和概率分析方法，证明了它们是渐近最优的。 再次，本论文研究了恒速处理机中心的随机柔性Flowshop加权完成时间调度问题。针对这个问题，本文研究了基于瓶颈处理机中心的加权最短期望处理时间需求的启发式策略，并再次使用单机松弛和概率分析方法，证明了该策略是渐近最优的。 最后，在总结全文的基础上，对今后的研究提出了建议和展望。