调度问题自上世纪中后期开始便引发了大量学者的关注。其中，时间表调度问题因其在现实生活中广泛存在，更是成为一个单独的调度研究领域，成为国内外学者争相攀爬的学术制高点。时间表问题就是将一系列事件无冲突的安排到一些固定的时间段内。时间表调度问题涵盖了日常生活的各个方面，大到军事国防以及因特网，小到医院学校时间排班。教育时间表调度问题、护士排班问题、体育运动项目的时间规划问题以及靠海岸港口的集装箱调度问题都属于时间表调度问题的研究范畴。本文针对无座位容量限制的考试时间表调度问题展开研究，无座位容量限制考试时间表调度问题是一个最简单的考试数学模型，其假设每个时间段的座位容量没有上限限制。本文针对该调度问题所做的工作如下：第一，针对无座位容量限制的考试时间表调度问题提出了双进化池考试时间表调度算法。在该算法中，分别将考试调度问题中的软、硬约束条件作为两个不同的搜索空间的目标函数，避免了传统算法中将二者加权和作为目标函数的相互影响的缺陷，有利于种群迅速收敛至合理个体。同时，经过大量的实验证明，合理个体的组合数量是非常稀少的，为了降低计算复杂度，达到合理配置计算量的目的，算法中引入了将合理个体进行充分克隆优化的思想，其有利于大幅度降低计算量，使得合理个体充分收敛。第二，针对无座位容量限制的考试时间表调度问题提出了基于多目标优化框架的考试时间表调度算法。在本算法中，将多目标优化的思想引入到无座位容量限制的考试时间表调度问题中，将考试时间表调度问题的软约束和硬约束条件作为两个目标同时进行优化。为了避免离散优化中微小变异引起的大规模退化现象，本算法中还引入了针对两个垂直搜索方向上的局部搜索算子，进行交叉优化，从而达到使种群收敛的目的。同时，离散的随机交叉、变异不利于产生新的非支配解，为了避免这个问题，两次精英保留机制被引入到算法中。即同时对主种群和非支配解进行局部搜索，混合后取得其中的非支配解进入下一代。为了使前沿面更加均匀，算法中还提出了基于个体拥挤度的修复策略来弥补前沿面上的空缺点，从而达到优化Pareto前沿面的多样性的目的。第三，针对单目标调度算法，我们在文中对标准数据集进行测试，并且同世界上其他的优秀算法结果进行比对；针对多目标调度算法，同样使用标准数据集进行测试，并且针对多目标算法的实验结果的可行性和使用价值进行分析。