随着市场竞争的日益激烈，面向顾客订货的、多品种、小批量生产己经成为21世纪的主导生产模式。相应地，制造企业正向着精益生产和敏捷制造的方向发展。在这种生产环境下，如何安排生产计划、如何进行调度成为企业有效进行生产的关键问题。有效的调度方法与优化技术的研究和应用，对于制造企业提高生产效率、降低生产成本等方面起着重要作用，因而越来越受到学者们的关注。 生产与运作管理的核心是车间作业调度问题(JSSP)能否高效的获得优化解，因此，JSSP的调度策略一直是制造业研究的重点之一，对JSSP的研究具有重要的理论意义和现实意义。 蚁群优化算法(AntColonyAlgorithms，ACA)是一种近年来才发展起来的新颖的仿生型的智能优化算法，具有正反馈、分布计算和启发性搜索等特点。作为计算智能和群智能的重要分支之一，蚁群优化算法的研究方兴未艾，备受瞩目。蚁群优化算法的思想来源于我们真实世界中的蚂蚁群体的智能特性。 本文介绍了JSSP研究的目的、意义及其重要性，分析了国内外对JSSP进行研究的方法与发展现状；研究了JSSP的特点及其分类，探讨了JSSP的调度策略，回顾了求解JSSP的主要历程及其方法；对蚁群优化算法的发展背景、内容、实现方法作了详细介绍，对该算法本身进行了深入研究，提出了自己的改进方案。本文主要有以下几个方面创新：提出一种新的JSSP邻域结构，与传统的邻域结构比较，有效的缩小邻域空间的规模；针对蚁群优化算法中信息素强度在蚁群之间起通讯、协作的关键作用，提出了利用全局和局部最优解来增强优质个体所走路径上的信息素强度的方案；简化了蚁群优化参数设置问题，对部分参数实行动态的调整策略；提出了一种通过分阶段变邻域求解JSSP的新的混合算法。 最后通过面向对象技术思想实现了系统核心调度算法功能，给出了一种基于MVC模式进行系统设计方法，为进一步的工作奠定基础。通过对一些代表性的基准问题进行仿真，混合蚁群算法能够更快速的搜索到更优解，加快算法的收敛速度，提高算法的搜索能力，能够有效的解决JSSP问题。 本文研究成果对蚁群算法的研究有一定的参考价值，并对建立现代优化调度系统有现实的理论指导意义和应用价值。