本文主要研究了三类Job Shop调度问题,分别为传统的Job Shop调度问题、一类柔性的Job Shop调度问题、不确定条件下的Job Shop调度问题,分别采用不同的优化算法进行了求解,主要工作如下:首先,介绍了各种调度问题的描述及分类,总结了目前有关车间调度问题的优化算法。其次,针对传统的Job Shop调度问题,分别采用改进了的自适应模拟退火算法和蚂蚁算法进行了优化。在采用自适应模拟退火算法时,设计了专门的温度更新函数,当算法陷入某一局部最优解时,通过小范围内升高温度,在一定程度上使搜索跳出局部最优。还设计了专门的蚂蚁算法来求解Job Shop调度问题,将工序的最早开始加工时间(EAPT)作为蚂蚁搜索时的启发式信息,该蚂蚁算法具有分工的功能,在选择策略上具有确定性和随机性两种特性,同时将变异操作引入到蚂蚁算法中,给出了相应的流程;分别采用两种算法对不同类型的标准问题进行仿真,并进行了结果比较。另外,研究了一类柔性Job Shop调度问题,介绍了柔性Job Shop调度问题的模型,设计了求解的遗传算法,并结合两个实例进行了仿真,得到了相应的结果。最后,考虑了加工时间为连续变量且服从正态分布的一类随机Job Shop调度问题。绍了该随机Job Shop调度问题的模型,提出了解决该问题的思路:采用随机模拟的方式产生输入输出数据,并训练神经网络,将该训练过的神经网络嵌入到遗传算法中,用来求解Job Shop调度问题。给出了该算法的流程,并进行了算例仿真实验。