轮胎制造行业是一个生产规模较大,资源和劳动力密集的行业,良好的生产计划的制定对企业的生产过程和实际收益具有重大的意义。我国轮胎生产行业普遍面临生产计划主要靠人工制定,不同人员制定计划执行效率差别较大和针对大批量轮胎生产效率低下等困境,因此提高企业调度计划制定水平是轮胎制造业亟待解决的问题。在轮胎生产中,硫化工序作为瓶颈工序,其调度计划制定好坏直接影响整个轮胎生产流程的效率,因此本文主要研究硫化车间中的生产调度问题。本文首先研究了企业生产调度的总体情况,生产调度中的各种分类,对每种调度分类的定义和特点以及调度问题的复杂性做了详细的介绍。其次,深入研究了蚁群算法和粒子群算法,对两种算法的来源、发展情况做出了详细的介绍,分析了两种算法的特点以及各自的优缺点。研究了两种算法的发展情况,以及当前的研究现状,介绍了两种算法在各领域的应用情况。再次,本文根据硫化车间单工序并行机等特点提出了一种粒子群和蚁群主从级相结合的混合优化算法,主级利用粒子群算法进行轮胎加工机器的分配,次级利用蚁群算法结合启发式方法根据目标函数求出每台机器上轮胎加工次序,从而得到总体的调度计划。然后,根据硫化车间真实的生产情况,如各种约束条件和企业利益最大化以及成本最小等多目标,提出并建立了硫化车间的数学模型。利用提出的粒子群蚁群混合优化算法解决了硫化车间中的静态调度问题,仿真结果显示该算法较单纯的粒子群算法和蚁群算法更具有优势。最后,针对硫化车间中的动态调度问题,分析了可能发生的各种动态事件,提出了采用滚动窗口的再调度方法,并使用周期性再调度和连续性再调度相结合的策略解决了硫化车间的动态调度问题。仿真实验证明,粒子群蚁群混合优化算法的在线计算能力较强,能够很好地解决硫化车间中的动态调度问题。