当前，市场需求的多样性增加，产品越来越趋向于个性化定制。制造型企业需要不断提升自身生产管理水平，确保能够及时响应市场的动态变化。虚拟单元制造系统结合了传统单元生产方式以及工艺化布局的优势，能够很好的适应当前多品种小批量的生产要求。在实际生产过程中，虚拟单元制造系统会面临诸多不确定的因素，新订单动态到达是虚拟单元最常见的干扰事件之一。在恰当的时机采取合理的重调度方式，对生产计划进行重新安排，可以有效应对陆续动态到达的订单。为了使实现虚拟单元重调度过程的稳定性和高效性，本文具体研究了重调度驱动决策和重调度方案制定两个方面，即何时进行重调度以及如何进行重调度的问题。　　在虚拟单元重调度驱动方面，如果重调度发生太过于频繁，生产调度计划不断变动，影响了车间层的控制，降低了生产系统的稳定性，导致了调度的“神经质”现象。周期-事件混合驱动方式对新订单陆续达到具有很好的适应性，但易导致重调度次数过多。对此，需要一个有效的驱动决策方法，对周期-事件混合驱动方式进行改进，降低重调度的发生频率。　　本文提出了一个基于损益的虚拟单元重调度驱动决策方法。根据虚拟单元特性，以完工时间最小为优化目标，建立了重调度非线性整数规划模型，并设计了一种遗传-粒子群混合优化算法用于模型求解，将求解所得的调度方案作为进行重调度损益判定的依据。本文建立的损益模型，从时间的角度衡量虚拟单元重调度的损失与收益。该模型将重调度对调度目标的优化量，作为重调度的收益；重调度的损失通过新旧调度中工件开始加工的时间的改变量来计算。在由周期-事件驱动方式产生的每一个待重调度时刻，生成重调度预实施方案，对此时刻重调度的损失和收益进行判断；若重调度产生的收益能弥补其损失，则按照重调度预实施方案进行重调度，否则保留原计划，直至下一次进行重调度决策的时刻。算例分析表明，所提出的混合驱动决策方法，在调度次数上有明显的改善。　　在虚拟单元重调度方案制定方面，如果重调度的方案与原方案差别太大，新旧调度方案之间的衔接性能差，新计划实施过程中，生产系统会受到较大的震荡。为了衡量重调度方案对生产计划调度系统稳定性的影响，本文从机器设备和工件任务两个层面，分别计算新旧调度方案中工件时间安排和机器分配两个方面的偏离程度，建立了重调度方案稳定性评价指标。为了减少重调度方案对原计划的更改幅度，考虑到MRP中的冻结主生产计划的思想能够有效保持计划的相对稳定，因此，本文将计划冻结技术引入到虚拟单元重调度之中。在重调度执行过程中，预先设定一个冻结期，在此期间内，原计划方案中的任务安排不会被重调度改变。由此，建立了存在不可用时段约束的虚拟单元重调度模型。为了使调度模型更符合虚拟单元的实际需求，本模型由单目标发展为多目标，综合考虑了最大完工时间、交货期延迟和加工物流运输距离等因素。采用一种基于Pareto的人工离散蜂群算法，以更好地在多目标间进行权衡。在算法中，设计了多种领域搜索方式，保证算法求解效率和质量。运用算例进行对比分析，结果显示，本文所提出的计划冻结方案在保证高效重调度的同时，兼具了稳定性。　　本文将所提出的虚拟单元重调度驱动决策与考虑稳定性的重调度方法，综合应用到船舶建造企业实际生产中。根据得出的优化调度方案，与企业生产的实际数据进行相对比，验证了所提方法的有效性和可行性。