良好的生产调度是企业实现科学管理和提高生产效率的前提。随着科技的发展，生产规模越来越大，复杂程度越来越高，市场竞争越来越强。合理地利用资源在有效时间内创造最大的价值，是现代制造工业所追求目标。作业车间调度是一个典型的调度模型，已经受到了许多国内外研究者的关注。因此，合理的利用优化算法实现调度问题的分配决策和时间决策，具有一定的理论价值和现实意义。粒子群优化算法是群体智能的典型代表，它具有原理简单，调节参数少，收敛速度快等优点，已经成功应用在工业，工程，经济等方面，成为优化算法的研究热点和前沿。　　 本文围绕粒子群算法及其应用，就如何改进标准粒子群算法性能及该算法在作业车间调度上的应用进行了深入研究。首先介绍了本文的研究背景和国内外的研究进展，给出了研究目的意义，近年来研究车间调度问题的方法。其次描述了作业车间调度问题，总结了离散粒子群算法的研究及改进方法。深入分析基本粒子群算法的原理，结合交叉变异，模拟退火思想，给出了适合作业车间调度问题的离散粒子群模型。然后，针对基本粒子群算法局部搜索性能差的缺点，改进了基于“第三参考点”的改进离散粒子群算法，仿真实验表明改进离散粒子群算法在静态作业车间调度问题上有更好的收敛性和有效性。并将改进离散算法应用到具有模糊加工时间和模糊交货期的作业车间调度问题上，实验结果表明，该算法在模糊作业车间调度上的可行性。最后改进了自适应离散粒子群算法，让粒子位置更新方程的控制参数随着进化代数和群体聚集度的变化调整，采用工序块变异方式作为局部搜索策略，更好地收敛到全局最优。