随着制造业生产方式由大批量制造到小批量、多品种、更新快的转变,合理高效的生产调度对企业至关重要。作为连接计划和生产的关键活动,车间调度尤其是作业车间调度对企业生产制造尤为关键,合理调度能够提高企业的生产效率和设备等资源的有效利用率,缩减产品的制造周期、降低生产成本,提升其市场竞争力。调度优化是一类难以求解的组合优化问题,作业车间调度问题已被证明是NP-hard问题,求解难度很大。随着问题规模的扩大以及研究的发展和深入,智能算法逐渐成为解决作业车间调度问题的重要手段。郊狼优化算法(Coyote Optimization Algorithm,COA)是新的智能算法,具有容易实现、计算速度快、计算量小、鲁棒性强、自我学习能力优越等特点,可以较好地解决作业车间调度问题。本文主要研究内容概括如下:(1)提出了逐维改进的郊狼优化算法(DDICOA),求解了23个函数优化问题和1个工程优化问题,扩展了其工程应用领域。逐维更新评价策略能规避维间干扰现象,只接受能够改善解质量的维度信息,提高了算法的求解精度、收敛速度和鲁棒性。(2)提出一种改进郊狼优化算法(ICOA)求解作业车间调度问题。以最大完工时间最小为调度目标,对MT06、MT10和MT20这三个作业车间调度问题进行了求解,得到了良好的调度方案。ICOA重新定义了组内文化趋势,提出郊狼涉猎范围概念来确定交叉变异间隔,对优于组内文化趋势的郊狼个体以逐维交叉变异的成长方式更新。(3)使用ICOA求解了柔性作业车间调度问题。柔性作业车间调度问题更贴近企业现实生产模式,同时求解难度也更大。根据该问题的特点,重新设定了郊狼涉猎基数,采用双层整数编码方法对工序和机器选择两个子问题进行编码,依据ECO-MSOS规则按照OS的加工顺序生成工序和机器选择基因。以最大完工时间最小为调度目标,求解了BRdata数据集的10个柔性作业车间调度问题,取得了良好的调度方案。本文的研究成果较好地解决了作业车间调度和柔性作业车间调度问题,提供了新的问题解决思路;同时从理论上对算法进行了分析,丰富了其改进研究,扩展了应用领域。