调度问题是生产管理的一项重要内容,对于有序组织生产,充分发挥生产设备能力,提高生产效率具有重要作用.算法研究是生产调度问题的主要的研究内容.仿生进化算法是一类模拟自然界生物的遗传和进化理论发展起来的随机搜索算法,其主要特点是群体搜索策略和个体之间的信息交换.随着研究的深入和应用技术的成熟,该类算法在求解诸多优化问题上显示出了特有的功用,成为研究的热点.该文简述了调度问题、进化算法的基本思想和发展状况.在综述各类智能优化算法的基础上,以PBIL(Population-Based Incremental Learning)算法为基础算法,结合蚁群,免疫等算法机制,针对不同的调度问题展开研究.针对以最小化最大完工时间为目标函数的并行Flow shop调度问题,构造了问题的数学模型.根据问题的特点设计了求解的PBIL算法,经过充分的计算实验,对算法参数进行了优化配置,实验结果表明了算法在收敛性,稳定性和寻优准确性方面达到良好的效果.引入蚁群算法中的正反馈和信息消逝机制,改进了PBIL算法单纯基于学习概率的进化寻优过程.通过对Job Shop基准问题进行求解测试,比较了PBIL算法和改进算法,表明了算法的有效性.免疫算法是一种基于生物体免疫系统原理新型计算方法.该文介绍了该算法的生物学基础、原理及应用状况,将其应用于求解Flow shop调度问题,表明了该算法的基于浓度的调节机制和多样性抗体保持策略具有良好特性.在此基础上,提出一种结合PBIL的免疫算法,以学习概率指导染色体基因位的取值并与基于染色体浓度的选择策略相结合,从局部和整体两方面来指导算法的寻优,通过计算实验与NEH算法和遗传算法进行了比较,实验结果表明了所提出算法在求解调度问题上的可行性和高效性.