综合调度问题是一种加工与装配同时考虑的调度问题。这种调度充分考虑了个性化产品生产过程的特点:不同产品的结构特征、制造参数相差较大;大量非标准工件组装后再进行深入加工的情况普遍存在。无等待工序在钢铁铸造、精密装配、食品工业中广泛存在,其要求受无等待约束的工序必须无间断地处理。例如,在低温装配作业过程中,经过低温处理的工件需要马上进行装配作业,否则可能出现温度不均等情况,导致装配失败、达不到精度要求。所以,研究存在无等待工序的综合调度问题（No-wait Integrated Scheduling Problem,NWISP）可以从整体上优化个性化产品的生产过程,达到增产增效的效果。具体研究工作由以下几个部分组成:针对静态NWISP问题,以最小完工时间为目标,建立静态NWISP数学模型,提出了一种基于粒子群和遗传算法的混合方法（Genetic Algorithm and Particle Swarm Optimization,GA-PSO）进行求解。该算法借鉴了速度位置公式所表达的信息流向关系,以遗传操作为基础,将PSO的更新机制嵌入到GA算法中,形成了以双种群更新策略为基础的混合算法。为了处理无等待紧前工序数量大于1的情况,设计了基于最早适应策略的无等待虚拟工序编码、解码算法,使一组无等待工序解码后依然保持树形约束关系。实验数据表明所设计的GA-PSO算法可以获得比对照算法更短的完工时间,验证了算法是有效可行的。针对动态NWISP问题,采用事件重调度策略将动态的生产过程转换为在时间上连续的静态调度问题,以最小化总拖期作为调度目标。提出GA-VNS（Genetic Algorithm and Variable Neighborhood Search）混合算法,在每个事件时刻应用GA-VNS调度未完工任务和该时刻新到达的任务。GA-VNS考虑了柔性制造资源的情况,为其设计了柔性设备的冲突调整方法,解决了无等待紧前工序数量大于1时设备冲突的问题。实验数据验证了所提的优化方法有效可行,可以获得比对照算法更短的总拖期。多车间NWISP问题中存在运输约束、柔性制造资源。在多车间的情况下,工序处理完毕需要运送到紧后工序的设备所在车间,此时需要考虑不同车间的运输时间。为了处理多车间的情况,提出了适用于多车间柔性资源的冲突设备调整方法,保证了无等待紧前工序数量大于1时设备编码始终处于可行设备方案,而不会出现冲突。提出了适用于多车间的虚拟工序解码方法,保证了多车间约束条件和无等待约束条件。基于这些改进,提出了多车间无等待综合调度问题算法,使用变邻域算法进行局部优化,使用遗传算法进行全局优化。实验结果表明,所提的算法可以解决多车间NWISP问题,而且可以获得比对照算法更短的总拖期。针对多目标无等待综合调度问题（No-wait Multi-objective Integrated Scheduling Problem,NWMISP）,同时考虑完工时间与总制造费用。将拥挤度策略、多目标非支配解策略嵌入到GA-PSO混合算法中,使之可以处理多目标问题。其中拥挤度策略可保抑制种群过度集中于某些个体的情况,多目标非支配解策略给出了多目标情况下个体排序的方法。实验结果表明,嵌入拥挤度策略和多目标非支配解策略的GA-PSO算法有效可行,能够解决NWMISP调度问题。在某些生产环境中,设备在投入使用之前需要预热（Warm-up）,但是在离散的生产活动当中使设备时刻保持工作状态会极大地增加能源消耗,产生不必要的成本。将预热时间转换为一种特殊的准备时间（Setup Time）,即准备时间与设备的初始状态相关。同时考虑这种特殊准备时间约束和无等待约束,建立了以总拖期最小化和总准备时间最小化的双目标数学模型。为了使用GA-PSO算法进行求解,提出了一种设备空闲信号驱动的解码方法,该解码方法可以同时处理特殊的准备时间约束和无等待约束。仿真实验结果表明所提算法不但有效可行,而且调度质量优于对照算法。