生产调度问题一个具有广泛应用背景和重要理论价值的组合优化问题,是许多实际生产调度过程的简化模型。它具有建模复杂性、计算复杂性、动态多约束、多目标性等特点,并已被证明属NP完全问题。生产调度问题的核心是模型和算法,其中有效的调度算法是生产调度问题的重要研究内容。蛙跳算法和微粒群算法是一种模拟青蛙和鸟群觅食的仿生算法,具有流程简单易实现、需要调节的参数少、较强的全局收敛能力和鲁棒性等优势。本文用微粒群和蛙跳算法解决批量流水线调度问题、多目标无等待流水线调度问题和批量无等待流水线调度问题。研究内容如下:　　1.综述了生产调度理论的特点、分类、研究现状和调度方法的发展,介绍了微粒群算法和蛙跳算法的研究现状。　　2.建立了批量流水线调度问题、多目标无等待流水线调度问题和批量无等待调度问题的数学模型,给出了指标函数的计算公式。介绍了标准微粒群算法的蛙跳算法。　　3.利用连续微粒群算法求解基于交货期的批量流水线调度问题。采用最小位置值规则,使具有连续本质的微粒群算法能直接应用于调度问题,同时针对微粒群算法容易陷入局部最优的缺陷,利用模拟退火算法的概率突跳机制改进其优化性能,设计了三种微粒群模拟退火混合算法。　　4.利用离散微粒群优化求解以E/T指标为目标值的批量流水线调度问题。采用了基于工序的编码方式,设计了新的粒子生成公式,从而使微粒群算法可以直接应用于调度问题。同时,针对微粒群算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了改进的微粒群优化算法。　　5.提出了混合离散蛙跳算法解决批量流水线调度问题。根据蛙跳算法的原理,采用基于工序的编码方式并利用两点交叉操作设计了新的位置生成公式,结合扰动策略、模拟退火概率接受准则和插入邻域搜索对该算法进行改进。　　6.针对以最大完工时间、最大拖后时间和总流经时间为目标值的无等待流水线调度问题的特性,提出了基于Pareto边界和档案集的改进蛙跳算法。采用两点交叉方法生成新解,使蛙跳算法能够直接用于解决调度问题;同时,利用非支配解集动态更新群体,改善了群体的质量和多样性;将基于插入邻域的快速局部搜索算法嵌入到蛙跳算法中对算法进行改进。　　7.将离散微粒群和蛙跳算法相结合解决以最大完工时间为指标的批量无等待流水线调度问题。结合微粒群算法较强的全局收敛能力和蛙跳算法的较强的深度搜索能力,设计了三种混合算法,并将快速插入和快速交换局部搜索算法嵌入到混合算法中,进一步增强算法的开发能力和效率。　　本论文得到国家自然科学基金项目:复杂生产过程基于新型离散群优化的混合智能调度理论与方法(60874075)和基于学习机制的群智能调度理论与方法研究(70871065)的支持。