在制造业中,生产调度问题作为企业生产管理的核心内容之一,研发科学、有效的调度方案对企业的生产管理和生产效率有着积极的促进作用。其中,柔性作业车间调度作为车间调度问题中一种复杂问题,相对于作业车间调度更加符合实际生产情况,具有很高的计算难度,很多基本算法对该类调度问题优化时容易陷入局部最优。为了有效地解决该调度问题,通过对算法的缺点进行优化改进或者与其他算法进行混合来得到优良的调度解越来越受到研究人员的关注。在本文中主要利用对量子粒子群算法的混合优化来求解柔性作业车间调度中的多目标优化问题,具体工作如下。在柔性作业车间调度环境下,对于多目标问题求解,在决定重要方案时必须考虑各种约束条件,并且多目标之间也有可能相互冲突,相对较好的解决方案是多目标优化的首要任务。所以本文提出一种混合量子粒子群优化算法。在初始化过程中,对粒子进行编码操作时,采用一种规则编码方式来保证初始解的质量,使其一开始朝着解较好的方向进行搜索。针对量子粒子群容易陷入局部最优这一弱点,提出利用NSGA-Ⅱ算法中的快速非支配排序找出非支配解,存入到一定规模的外部存储库中,再对外部存储库中的粒子使用拥挤距离公式计算出大小,并且对比每个粒子的拥挤距离,选出拥挤度最大的粒子作为全局最优位置,其目的是吸引每个粒子向外部存储库中较稀疏区域的非支配解进行搜索,更接近Pareto解。量子粒子群算法的唯一参数选取余弦递减的扩张-收缩因子来防止迭代后期陷入局部最优。以一定概率选取未在外部存储库中的粒子进行遗传算法中的交叉变异操作,若交叉变异后的粒子支配存储库中的粒子,则将交叉变异后的粒子替换存储库中的粒子。反之,则选取存储库中的粒子,来保证种群的优良性。将本文算法通过经典实例的最大完工时间最小,机器总负荷最小和瓶颈机器负荷最小三个目标进行仿真和测试。最后,为了证明算法存在的现实意义,通过对某转盘轴承加工车间的实际调度过程的仔细研究,再将本文算法应用到企业实际调度问题中,实现针对某转盘轴承车间调度管理信息系统的开发,取得了较好的实际应用效果。