柔性作业车间问题(Flexible Job-shop Scheduling Problem,FJSP)是现如今生产调度问题的一个重要分支,其起源于实际生产制造场景。对该问题的研究能在实际生产管理中,提高生产管理效率,科学分配各类资源,达到高效率生产线的目的。随着各类算法的提出与改进,对于柔性作业车间问题的求解研究已经达到一个新的高度。但是在定制化生产环境下,对于不同型号的订单产品的生产,模具是一种非常重要的生产资源,模具资源的限制和置换模具产生的依赖于顺序的准备时间(Sequence Set-up Times,SDST)在一部分领域的生产调度中是两个不可忽视的问题。近年来,超启发式算法模型的提出为复杂的运筹优化问题提供了一种新的思路。该模型主要分为两个要点,若干个低层次启发式方法(Low-level Heuristics,LLH)组成的方法池和高层次启发式策略(High-level Heuristic,HLH)。该算法能操纵若干个LLH来组合生成新的算法实现在解空间的寻优。该方法有超参数少,泛用性高的特点。为了进一步的提升实际生产过程中的问题解决效率,考虑更贴近实际的调度模型与泛用性更强的解决算法。本文的主要研究内容如下:(1)提出了一种高效率的序列选择超启发式算法(Sequence Selection Hyperheuristic,SSHH),该算法构建了针对双层编码的LHH池,并运用了更加合理的指数函数选择策略。研究了带有SDST的FJSP模型,利用SSHH对FJSP和带有SDST的FJSP模型进行求解,验证了该算法在这两种问题上求解上拥有较强的求解能力和很强的鲁棒性。(2)本文就以电缆生产车间为代表的一系列实际生产环境情况,研究了一种以最小化最大完成时间(Makespan)为目标的多模具限制的带有准备时间的柔性作业车间调度问题模型(Molds Constrained Flexible Job-shop Scheduling Problem with Sequence Set-up Times,MCFJSP-SDST)。该模型不仅考虑到了传统FJSP的机器分配与工序排序问题,还加入了模具组的考量。对于每个要生产的工序,在每种机器上都需要的特定的一组模具辅助生产。而且模具的置换时间也将影响生产计划消耗的总时间。为更好的研究这个模型,基于FJSP的标准用例,构造了118个实验用例,并利用改进的SSHH算法对该模型进行求解,证明了该问题在合理设计解码策略时能被很好的求解。