本文研究了热处理炉车间批调度问题,在实际生产背景下,考虑了工件含动态到达时间的批调度优化问题,本文的创新点和主要工作为：1.针对工件动态到达热处理车间后不能得到立即加工,导致工件在热处理车间产生空闲等待时间这一问题。考虑工件具有动态到达时间的热处理车间调度,建立了以极小化工件等待时间期望为调度目标的批调度模型,并利用粒子群优化算法对模型进行求解。在求解过程中,根据工件到达时间实现了粒子群算法对微粒的编码以及对工件的分批,通过仿真实验得到结论：工件加工时间越短,工件等待时间期望越小；在趋于小规模工件数的情况下,大尺寸工件的等待时间期望优于小尺寸工件,在趋于大规模工件数的情况下,小尺寸工件的等待时间期望优于大尺寸工件。最后,为了验证算法的有效性,将其与蚁群算法、先到先加工规则(FCFS)下的算法以及标准粒子群算法进行了比较。仿真结果表明,改进粒子群算法的结果最优。2.研究了初始时刻全局信息不完全的单台热处理炉批调度问题,目标为极小化加权完工时间和。由于静态全局调度方法无法解决工件动态到达且到达时间未知的批调度问题,设计了基于预测时间的滚动时域调度策略,此策略下,工件信息随调度时域的滚动完成逐步获取。建立滚动时域批调度数学模型,在带有局部惩罚函数的调度时域内,利用粒子群算法对初始先到先加工规则下的调度结果进行优化。仿真结果表明,工件密集到达时,加权最小到达时间规则调度结果由于其他常规调度规则；工件分散到达时,先到先加工规则优于其他常规调度规则。工件密集到达、调度周期长的情况下,粒子群算法调度相对常规调度规则的优化效果明显。