车间作业生产线是提高企业对市场快速反应能力、满足产品多样化需求、降低生产成本、提高企业效益的重要手段。生产线的制造周期和生产线上机器利用率紧密联系、相互影响，它们对车间作业生产线的有效利用有着至关重要的影响。然而大部分的研究都只考虑制造周期，忽视了机器利用率这一因素。因此本文开展了基于改进粒子群算法的车间作业排序优化与仿真研究。本文所完成的主要研究工作和取得的成果如下：（1）系统测试了种群大小、惯性权重、加速因子1和加速因子2四个控制参数对粒子群算法性能的影响，得出了控制参数的变化对算法收敛速度的影响规律。（2）提出了三种改进的粒子群算法：惯性权重和两个加速常数均可根据粒子的适应度值进行自适应变化的新的自适应粒子群算法；将种群分成几个子种群，首先对子种群进行遗传算法，然后将经过遗传操作后的子种群作为初始种群，最后进行粒子群算法操作，称为遗传粒子群算法；引用协同技术、小生境技术、遗传算法中的交叉和变异技术的基于小生境技术的协同粒子群算法。利用典型测试函数，对比测试了基本粒子群算法与上述三种改进的粒子群算法的性能，得出三种改进后的粒子群算法的收敛可靠性和收敛速度均优于基本粒子群算法。（3）建立了车间作业排序优化模型，对该模型进行最小化最大完工时间和机器利用率最大多目标优化。针对该优化模型，详细设计了自适应粒子群算法、遗传粒子群算法和基于小生境技术的粒子群算法这三种改进的粒子群算法，并将它们应用于此优化模型中，比较各算法在具体应用中的性能。（4）利用Matlab平台开发了“车间作业排序优化设计系统”，该系统可以测试基本粒子群算法的各种控制参数对其性能影响的规律，也可以测试基本粒子群算法、自适应粒子群算法、遗传粒子群算法和基于小生境技术的粒子群算法的性能，并将这四种粒子群算法应用于求解车间作业排序优化问题中，对车间作业排序的最小化最大完工时间和机器利用率进行优化。（5）利用Arena仿真软件建立了车间作业排序生产线的随机模型，该模型中加入了实际生产过程中可能会遇到的各种不确定因素，如：不确定的加工时间、工件在各机器之间的不确定的传输时间等现象。仿真结果表明，生产线上各机器的负荷仍然比较均匀，但整个的制造周期延长了。