车间作业调度问题(Job-shop Scheduling Problem,JSP)是实际生产调度问题的一个简化模型,是企业生产管理与控制的核心。有效的调度方法和优化技术的研究与应用,具有重要的理论意义和实践价值。粒子群算法是近年来兴起的一种基于群体智能的进化类算法,具有操作简单和易于实现等优点,但由于该算法提出的时间比较短,仍然存在一些问题,比如容易早熟收敛、易陷入局部极值等。因此,本文将算法进行了改进,并将改进的算法应用于车间作业调度问题中。本文首先对车间作业调度问题进行了描述,包括车间作业调度问题的模型、特点、国内外研究现状和解决车间调度问题的优化方法。其次,介绍了粒子群算法的起源、基本思想、数学描述、算法流程和改进措施以及粒子群算法存在的缺陷。再次,根据已有优化算法理论基础,针对粒子群算法的参数特点,从提高算法的收敛速度和精度方面考虑,提出了惯性权重随进化代数增加动态非线性变化的粒子群优化算法(NDCWPSO)和免疫粒子群算法。通过选取几个有代表性的函数进行测试,发现改进的粒子群算法在收敛精度、收敛速度上都有所提高。最后,根据车间作业调度问题的特点,建立了求解Job-shop调度问题的数学模型,通过对车间作业调度问题编码方式的研究,参考遗传算法中的粒子编码方法,本文采用基于工序的编码方式,并且以最大完工时间的最小值为目标,构建了基于改进粒子群算法的车间作业调度问题的求解方法,仿真试验结果表明改进的算法在性能上有所提高,验证了改进算法的有效性和可行性。