群智能算法是一种模拟自然界中动物群体的种群机制和各种社会行为的优化计算方法,此类算法由于对所求问题没有特定要求且实现简单,被广泛应用于各类优化问题。群智能算法的关键点在于如何平衡算法的全局和局部搜索,针对这个问题,学者们展开了大量研究,提出了许多方法。灰狼优化算法作为一种新的群智能算法,具有控制参数少、收敛速度快等特点,在寻优能力方面有非常好的表现,因此被广泛应用于优化问题。本文基于经典灰狼算法,在增加种群多样性和跳出局部最优两方面提出了一些改进策略,以提升算法的寻优能力。同时,为验证改进策略的有效性,本文将改进后的算法应用于具有一定复杂度的柔性作业车间调度问题,该问题是一类经典的离散组合优化问题,已被证明为NP难问题。主要工作具体如下:第一,针对以最小化最大完工时间为目标的柔性作业车间调度问题,提出一种基于随机游走的灰狼算法。首先,算法采用基于权值的编码方式实现对算法中连续性编码的离散化,建立起连续个体位置与离散的解空间之间的联系。然后,为解决灰狼算法中最优个体引导性过强的问题,提出一种基于普通个体的随机游走策略,令一部分普通个体以当前位置为中心进行邻域搜索,提高算法搜索精度,以期找到更好的解。最后,在种群更新阶段,引入“适者生存”的更新机制,以提高种群质量。实验结果表明,算法在每个算例下都能获得比改进前更好的解。第二,在前一算法的基础上继续进行改进,提出一种新的改进灰狼算法。首先,改变以往的线性收敛控制方式,引入非线性收敛因子a以平衡算法的全局和局部搜索。其次,为解决算法在迭代后期易陷入局部最优的问题,设计了基于三个最优个体的柯西游走策略,使算法有能力在停滞时跳出局部最优。然后,种群更新阶段产生新解时,采取分别在三个最优个体附近生成和完全随机产生这四种方式随机选择的策略,以维护种群多样性、提高种群质量。最后,在不同规模的测试用例上进行对比实验,实验结果表明所提算法具有良好的寻优能力。总之,本文结合实际生产情况,首先对柔性作业车间调度问题进行了系统的描述,其次分析了灰狼优化算法的特点,然后在兼顾优化性能和计算效率的前提下对算法进行改进,并将改进后的算法应用于柔性作业车间调度问题的求解。研究内容拓展了灰狼优化算法的应用领域,为使用该算法解决离散组合优化问题提供了新的思路和计算模式。