在制造业行业中,如何在提高自身生产效率的同时降低生产成本,最大限度地提高设备利用率,合理调整生产资源配置,一直是企业为了创造更大收益需要统筹兼顾的问题。生产调度问题作为企业生产管理的核心内容之一,研发科学、有效的调度方案对企业的生产管理和生产效率有着积极的促进作用。作业车间调度问题(Job-shop Scheduling Problem,JSP)属于生产调度问题中的一种,被公认是解决起来较为困难的组合优化问题之一,如何寻求更有效和更优化的求解手段与方法,一直是智能优化领域众多专家学者研究的热点。粒子群算法(Particle Swarm Optimization Algorithm,PSO)原理简单、易于操作且过程稳定,因其具备解空间的全局搜索特性和隐含的并行性求解思想使其成为最受欢迎的启发类算法之一。文章以JSP的最大完工时间最小为研究背景,受候鸟优化算法(Migrating Birds Optimization Algorithm,MBO)的启发,将PSO与MBO混合,以提高局部搜索能力为目标,寻找更优的局部最优解和全局最优解,增强对每一代粒子飞行过程的指引作用,提升PSO的寻优效率。本文在PSO中混合加入的MBO,通过调整解空间中单个个体感知共同飞行的V字形编队中的其他个体的信息程度来更新个体的局部极值和种群的全局极值,及时调整飞行状态,以达到更大的搜索范围和获得更优秀的解。将本文的新算法应用于JSP中,采用标准测试集对新算法进行仿真和测试,结果证明了新算法具备较好的求解性能。最后,为证明算法存在的现实意义,结合笔者改进的混合粒子群算法(Improved Hybrid Particle Swarm Optimization Algorithm,IHPSO),以某机加工分厂的实际生产车间为现实背景,开发车间调度系统,取得了较好的实际应用效果。