中国经济的高速增长，给国内的模具制造企业带来了很多的机遇与挑战，在新的市场竞争环境下，一些中小模具制造企业为了生存与发展，通过引进先进的生产设备，降低模具制造成本和缩短模具交付周期来赢得市场的一席之地。但是尽管如此，模具制造的周期与大型企业相比仍然相差甚远，其面临的主要问题是：模具制造的车间调度极为落后。本文首先对模具企业车间生产管理中现有的调度模式进行了阐述，并分析了这些模式中存在的问题。通过深入车间的调研，详细地绘制了在生产设备方面，目前处于国内最高自动化水平的注塑模具制造车间中模具制造的整个工艺流程，同时按照加工的方式将模具分为四个部分，对各部分的加工工艺分别进行了阐述。通过总结目前模具制造车间现有的实际问题，结合生产调度本身的作用，得出在注塑模具制造车间进行生产调度的必要性。通过对车间实际模具制造项目的跟进，记录了模具制造每一工序对应的加工机器以及相应的加工时间。其次，在与其他优化算法的性能进行比较后，选择了Hopfield人工神经网络算法作为计算方法。该算法能在较短的时间内快速搜索到最优解，但在求解过程中易陷入局部极小解。模拟退火算法利用Metropolis准则能跳出局部极小值最终搜索到全局最优值，但该算法本身计算时间长。启发式搜索法能省略大量无谓的搜索路径，缩短搜索时间。将Hopfield神经网络、模拟退火优化算法和启发式搜索法结合，优势互补，提出了一种基于模拟退火的Hopfield神经网络混合算法。改进后的新算法很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷，同时兼顾了算法的效率。最后，在改进Hopfield神经网络的基础上建立了注塑模具制造车间生产调度问题的模型，确定了实际生产中的约束条件和优化目标函数，比较算法改进前后的调度结果，并将最终所得最优可行解对应的调度时间与实际车间的调度时间进行了比较，由甘特图可以看出，采用改进后的Hopfield神经网络混合算法进行车间生产调度，大幅地缩减了模具制造的周期。