粒子群优化算法(Particle Swarm Optimization, PSO)是由Kennedy和Eberhart于1995年提出的一种新的基于智能的进化算法。该算法的主要特点是概念简单、易于程序实现、没有较多可调参数。目前,在自适应控制、组合优化、模式识别、机器学习、工程设计、人工生命、管理决策等领域得到了广泛的应用。论文对粒子群优化算法的理论进行了深入地研究和分析。针对算法在早熟收敛、进化后期收敛速度慢等方面提出了两点改进：在保证全局收敛的情况下,通过粒子更新公式的变形转化去掉速度参数使其更简洁,一定程度上克服了算法的早熟收敛；在保证算法初期全局搜索能力的基础上,在进化后期采用迭代跳跃法,合理减少后期的搜索次数,以减少算法总的运行时间。文中使用四个标准无约束测试函数对改进后的粒子群算法进行了测试,从收敛性能和运行时间方面验证了改进的有效性。通过三个机械结构优化设计的实例证明了改进粒子群算法的正确性和实用性。车间作业调度问题(Job-Shop Scheduling Problem, JSP)是一个传统而古老的问题,也是最典型、最复杂的生产调度问题。论文采用文中提出的改进粒子群算法,选择基于工序的编码、解码以及粒子更新方法,对三个基本调度问题Job-shop问题、柔性调度问题、网络化制造环境下的任务调度问题进行了运算。计算结果证明了改进粒子群算法在生产调度领域的实用性。