车间调度是一个典型的NP 难问题,理论上已经证明想在多项式时间内对这一类问题找到全局最优解是不可能的。蚁群算法是近年来兴起的一种寻优算法,特别在解决组合优化问题中被越来越多的人所采用。本文应用蚁群算法求解两个车间调度问题,提出建立蚂蚁初始点的概率优先权分布方法,利用蚁群算法的正反馈和并行搜索特点提高解的质量和稳定性。1. 通过对基本蚁群算法的实现过程和Job-shop 调度问题的分析和研究,给出了求解Job-shop 调度问题的析取图模型,并给出了详细的ACA 蚁群算法求解Job-shop 调度问题的算法描述,然后通过对28 个Benchmark 实例进行模拟。试验结果表明:蚁群算法可以有效地求解车间调度问题;对于个别实例可以达到最优解;蚁群算法的平均性能优于遗传算法。2. 通过对基本蚁群算法的实现过程和流水调度问题进行研究,给出了求解流水调度问题的解构造图,提出了两种蚁群算法来求解以总流程时间最小为目标的流水调度问题-FACA 蚁群算法和PACA 蚁群算法,分别给出了FACA 蚁群算法和PACA 蚁群算法的参数初始化方式、相对应的信息素更新方法和概率分布规则,并提出了局部搜索模式,最后进行模拟试验,对这两种算法进行比较,试验结果表明:对于较大规模的问题,PACA 蚁群算法要优于FACA 蚁群算法,而对于较小规模的问题,FACA 蚁群算法优于PACA蚁群算法。平均来说,PACA 蚁群算法的性能优于FACA 蚁群算法。