随着经济快速发展、产品更新换代加快,现阶段的废旧机电产品的种类和数量出现爆发式增长。国家为了重新利用这些资源以及减少污染的产生,大力提倡绿色经济和循环经济,再制造工程应运而生。车间优化调度是实现制造企业生产高效率、高柔性和高可靠性的关键技术之一,现阶段对于标准的车间调度模型已经有了很多成果,但是由于再制造过程中存在的诸多不确定因素,使得关于再制造车间调度问题的研究成果并不多见,理论与实际应用还有较大差距。工艺规划是进行调度的前提,本文的研究重点为工艺不确定的再制造车间调度,对于实现再制造企业的高效率、高柔性生产具有重要的理论价值和实际意义。全文研究内容如下:1)针对传统快速非支配排序遗传算法(NSGAⅡ)的不足,提出改进NSGAⅡ算法,具体改进措施包括:采用删除重复个体、引入新个体的措施保证种群进化过程中的多样性、设计一种基于相似度的交叉方法,以保证交叉操作前期的交叉效率并防止后期所产生的无效交叉操作、设计局部搜索算子改善遗传算法局部搜索能力较弱的缺陷以加速收敛。2)以最小化最大完工时间和最小化总拖期时间为优化目标建立车间调度模型。针对14个作业车间调度的标准算例,用改进NSGAⅡ、强度帕累托算法(SPEA)、多目标进化算法(CMOEA)、多目标粒子群算法(MOPSO)进行求解。分别从各优化目标值、Pareto前沿分布图和各解集之间的相互支配关系来比较,比较结果表明本文算法所得解集的优化目标函数值更优、解集所包含解的个数更多。3)研究再制造过程中实际存在的工艺路径特点,提出一种工艺规划与调度集成优化和重调度策略相结合的方法解决工艺路径不确定的问题。针对传统工艺规划与调度集成优化的算法流程中工艺与调度部分分步进行优化的不足,提出一种新的多维编码方式和工艺与调度同步优化的算法流程。以最小化最大完工时间、最小化总拖期时间、最小化总流程时间、最小化机器总负载、最小化最大机器负载为优化目标建立再制造车间调度模型。最后针对算例,运用本文同步优化流程的NSGAⅡ算法与传统分步优化流程的NSGAⅡ算法、蜜蜂繁殖优化算法(HBMO)算法进行求解,对结果进行各目标平均值、最大值、最小值、标准差数值和收敛迭代图的比较,结果表明本文提出的同步优化算法流程所得解集的优化目标函数值更优、持续进化能力更强。