随着科技的发展与市场激烈的竞争,不同啤酒间企业产品口感上的差异逐渐缩小,因此,如何在订单期限内效率地进行生产和分配显得尤为重要,越来越多的企业把目光放到生产调度上。然而,我国啤酒企业中的生产调度,大多是简单地根据订单来进行分配与排序;通过翻阅文献,也能发现国内外对企业生产调度的研究多数集中在制造业与离散型工业企业,对啤酒企业的调度问题的研究还不是很深入,大多为简单的对生产设备的排序问题,对企业的实际调度问题很难有较大的帮助。因此,如何运用科学的方法切实的根据订单,将产品加工与品种转换等过程换算为实际的成本,并对此过程进行合理的分配,成为了研究的重点与难点。为此,本文对啤酒包装调度问题进行了研究,主要做了以下工作:(1)介绍了此啤酒企业包装车间调度问题的研究背景,对实际的调度问题进行了研究,并对啤酒生产过程的工艺进行分析。(2)针对啤酒包装车间的调度问题,提出了一种改进的灰狼算法。在该算法中,针对灰狼算法存在的种群多样性差、收敛速度慢、易陷入局部最优的问题进行了一系列的改进。首先,采用反向学习策略和混沌运动产生初始种群,增加种群多样性;接着,改变了收敛因子参数的公式,将线性递减的参数a变为非线性,平衡算法的搜索能力,加快算法后期的收敛速度;然后,在算法决策层三个个体的公式中加入变异因子,增加算法跳出局部最优解的能力;最后,结合模拟退火算法的优点,将退火过程加入到灰狼算法的迭代过程中,再次加强算法对局部最优值的跳出能力,对灰狼算法容易出现局部最优的情况进行了有效改善。(3)运用改进的灰狼算法在标准算例中进行实验,将实验结果与其它算法进行对比。结果表明,本文所提出的改进的灰狼算法在收敛速度与稳定性上均优于对比算法。(4)通过对某啤酒企业包装车间进行实际研究,将改进的灰狼算法应用到企业的实际调度问题中,实现了对某啤酒包装车间调度管理系统的开发,并与其它算法的调度结果进行比较,证明本文改进的灰狼算法最适合于此啤酒企业包装车间的生产调度。最后,对本文的主要研究工作进行了总结,对未来的研究重点及其方向进行阐述。