车间调度问题是一个非常复杂的NP-hard组合优化问题,它在工程应用中有着十分重要的意义。有效的生产调度方法和优化技术的研究和应用是实现先进制造和提高生产效益的基础和关键,越来越受到学者们的关注。本文在综合国内外关于车间调度问题研究状况的基础上,考虑现行作业车间运作的实际情况,对作业车间的生产调度问题进行了深入系统的研究。首先,对车间调度问题的概念、分类、特点、研究内容、评价标准及传统的求解算法进行了系统的阐述;从粒子群优化(Particle Swarm Optimization, PSO)算法的产生背景、基本原理、求解流程及改进方向等角度对该算法进行了系统的介绍和深入的研究。其次,由于在实际的调度中,PSO算法存在搜索空间有限、容易出现早熟现象的缺陷,提出将具有量子行为的粒子群优化(Quantum-behaved Particle Swarm Optimization, QPSO)算法用于求解车间调度问题。在系统分析了QPSO算法的基本原理、算法特性的基础上,将该算法用于求解车间调度问题,以全部工件的加工结束时间最短作为优化目标,结合基于工序的编码方法,构建了基于QPSO算法的车间调度问题求解方法,并通过仿真实例验证了算法的收敛性和有效性,其调度效果优于遗传算法、PSO算法。最后,由于QPSO算法仍有可能会出现早熟现象,因此将变异机制引入QPSO算法以使算法跳出局部最优并增强其全局搜索能力,提出了基于带变异因子的QPSO算法的车间调度问题求解方法,并结合实例实现了对复杂车间调度问题的求解,仿真结果表明,该算法具有良好的全局收敛性能,验证了算法的有效性。本文的研究工作表明,用QPSO算法及带变异因子的QPSO算法求解车间调度问题,其性能优于遗传算法和PSO算法等其他智能优化算法,收敛速度更快,在车间调度问题的求解过程中能发挥良好的作用。