OKP(one-of-a-kind production,单件生产模式)已成为制造业的一种很有潜力的发展模式。物流调度是OKP企业运作中的一个重要环节,对提升整个OKP企业的竞争力、增加其经济效益有着十分重要的影响。它是一类具有资源约束的组合优化问题,属于NP难问题,难以用常规优化方法求解。而算法研究是物流调度问题的一个重要的研究内容。蚁群算法(Ant colony optimization,ACO)是一种新型的模拟进化算法,其原理在于用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决一些离散系统优化中的困难问题。它的出现受到了各界学者的广泛关注。本文应用基本蚁群算法和两种改进型蚁群算法求解OKP企业的物流调度问题。首先对OKP生产模式的基本内容进行了描述,总结了以前对物流调度问题的各种求解方法,构建了OKP企业物流调度模型。然后介绍了蚁群算法的理论基础,分析了各参数对算法性能的影响,提出了基于参数改进的蚁群优化算法和避免其陷入局部最优这一不足的自适应蚁群算法。最后设计了应用于求解OKP企业物流调度问题的基本蚁群算法、蚁群优化算法和自适应蚁群算法,通过仿真实验对其进行了实现并验证了其应用的可行性和有效性。经本论文研究证明,在求解OKP企业物流调度问题时,蚁群优化算法和自适应蚁群算法的性能都优于基本蚁群算法,且自适应蚁群算法的性能最优。