作业车间调度问题是最棘手、最经典的组合优化问题之一。采用高效的优化作业车间调度技术,有助于对物流、工业生产等方面产生的突发事件做出快速、科学的反应,可以有效的提高生产率,降低企业成本,从而提高市场竞争力。求解作业车间调度问题的方法主要有两类:精确方法和近似方法。精确方法能求得问题的理论最优解,但只适合求解小型规模的调度问题。对于大型规模的调度问题,近似方法是更好的选择。当前,近似方法中的元启发式算法是研究的重点,如分布估计算法、禁忌搜索算法、帝国主义竞争算法等,为快速求解作业车间调度问题提供新的思路和手段。最近的研究显示单一算法难以求解复杂的作业车间调度问题,混合算法具备更强大的搜索能力。本文将基于分布估计算法、禁忌搜索算法、帝国主义竞争算法研究混合算法求解作业车间调度问题,主要工作如下:(1)基于工序编码保证解的可行性,设计新型最优解遗传策略,采用分布估计算法中单变量边缘分布算法构建概率模型,有效求解作业车间调度问题。(2)为提高帝国主义竞争算法求解作业车间调度问题的能力,将遗传算法中的交叉、变异操作嵌入算法中的同化操作,促进了种群的学习能力和多样性。(3)为提高禁忌搜索算法的局部搜索能力,设计了新型混合邻域结构、双重移动策略、块禁忌策略、选择策略、跳坑及调整策略。本文通过整合分布估计算法和禁忌搜索算法、帝国主义竞争算法和禁忌搜索算法的优势,提出禁忌分布估计算法和混合帝国主义竞争算法两种新型混合算法,使混合算法在全局优化和局部优化之间达到合理的平衡,弥补了分布估计算法和帝国主义竞争算法局部搜索能力的不足。通过对经典的Benchmark调度问题进行仿真测试,并与近年著名混合算法进行比较分析,验证了所提两种混合算法求解作业车间调度问题的有效性和稳定性。