在当今信息化时代的背景下,制造业正朝向智能化、协同化、全球化、集群化等方面发展,其中制约着制造业发展的问题之一,是如何高效的实现产品的生产加工与企业效益的最大化,因此对于企业的管理者而言需要一种便捷、高效、合理的方法来指导企业的加工排产。本文针对现有的加工制造中具有代表性一类的作业车间调度问题进行深入研究,提出了一种基于多种策略的MS-MOPSO算法与QUEST物流仿真软件相结合的方法,并将其用于解决某实际工厂中零件的生产加工优化问题。对于所要研究的多目标作业车间调度问题,在综合考量了实际生产中对整个加工过程的主要影响因素,建立了以最大完工时间、总拖期时间、总机器空闲时间为优化目标函数的多目标作业车间调度模型,结合现有研究趋势,提出了一种粒子群算法与灰狼算法为主体的协同进化的种群搜索模式,并采用一种基于平均Frechet距离的曲线相似度匹配与Pareto支配相结合的领导个体的选择机制来引导群体的进化,最后利用具有三种邻域结构的变邻域搜索方法来增强算法的局部搜索能力,为了定性分析本文MS-MOPSO算法的优化能力,采用常用的多目标测试用例DTLZ（1-7）对MS-MOPSO算法与其余3种算法进行比较分析,结果证明其优化的有效性,而对于算法在部分用例中出现的过早收敛特点,提出相应的扰动机制以避免算法陷入局部最优。为了将算法更好运用于实际离散型JSP问题的优化中,利用ROV准则将本文算法的编码方式进行相应改变,并根据JSP问题的编码特点采用改进的邻域结构的局部搜索方式,最后利用多个JSP的基准测试实例,表明算法在JSP问题优化应用中的有效性。在解决实际工厂加工排产问题中为了能充分的拟合实际的生产情况,并能经济高效的获得相应的加工方案,本文首先采用MS-MOPSO算法对某工厂具体的加工问题进行优化,以高效获取有效的Pareto解决方案集合,后利用QUEST仿真物流软件对加工流程建立相应的三维环境,并将算法所得到的方案在软件中各自独立运行仿真,以加工中常用的机器利用率指标为评价的准则选取最终的加工方案,利用智能算法求解的快速特点与物流仿真软件拟合度高的特点相结合,以实现对具体实际加工调度的全面优化,能够有效的提高生产效率与经济性。