车间调度是对车间生产过程的控制与规划,是企业进行有效生产管理的核心,对企业的生产经济效益起着十分重要的作用,而作业车间调度问题是现代加工制造等众多实际生产应用的车间调度问题的简化模型。粒子群算法(ParticleSwarmOptimization,PSO)是一种基于群体智能理论的高效进化搜索算法,有着实现方便、全局寻优能力强等优点,已成为应用研究的热点。本文的研究内容围绕着粒子群算法在作业车间调度的应用展开。论文的主要研究工作归纳如下:　　 (1)结合作业车间调度问题的特点,针对基本粒子群算法较易陷入局部最优、搜索精度不够理想等缺点,提出一种改进离散粒子群算法(IDPSO)。IDPSO基于粒子群算法的进化优化机制,引入变异、交叉等操作,对粒子进行离散的位置更新,并加入基于Interchange邻域结构的局部搜索操作。通过对算法复杂度的分析,证明该算法的计算复杂度与基本粒子群相当。通过对典型算例的仿真实验与比较分析,验证了算法求解作业车间调度问题的有效性。　　 (2)针对动态多变环境下的作业车间生产过程,设计了一种基于改进离散粒子群算法的作业车间动态调度方法。该方法在基于周期和事件驱动的滚动窗口再调度策略基础上,引入冻结时段思想,建立了机器存在不可用时段约束的动态调度模型,并采用改进离散粒子群算法对各调度区间进行在线调度优化。通过作业车间三类动态事件的调度实验,说明了本文所提动态调度方法在复杂多变的环境的适用性和有效性。　　 (3)针对印染行业的生产特点,建立了印染作业车间的调度模型,基于本文上述关于作业车间调度的理论与方法,设计并实现了印染作业车间调度系统。通过系统的实际应用,验证了论文所提方法的可行性与有效性。　　 最后,对论文的研究工作进行了总结,展望了粒子群算法以及车间调度的理论研究和应用前景。