随着社会经济的飞速发展,市场竞争日趋激烈,顾客需求的多样化、个性化增加了企业生产计划运行的不确定性和动态性因素,使得现代企业面临着严峻的挑战,对供应链的管理也提出了更高的要求。进入20世纪90年代以来,供应链管理成为当今国际上企业管理理论研究和实践应用的一个热点。在此环境下,为了提高盈利水平和核心竞争力,企业开始注重合理配置和高效利用自己的内外资源。基于供应链的调度模型将供应链管理和生产调度问题紧密结合起来,研究在供应链管理的环境下如何更有效地解决分布环境下车间生产调度与协调问题,最终实现节点企业供应链管理与车间调度的双重优化,从而具有一定的理论价值和实际意义。微粒群优化算法是一种新型的群体智能算法,源于对鸟群捕食行为的研究,是一种基于迭代的优化技术。系统初始化为一组随机解,通过迭代搜寻最优值。目前,微粒群算法已广泛应用于函数优化、神经网络训练、数据挖掘及其它应用领域。本文围绕着微粒群算法及其应用,就如何改进传统微粒群算法性能及该算法在车间调度、供应链调度领域的应用展开了深入研究。首先介绍了本文的研究背景及目的意义,给出了车间调度问题的分类、特点以及近年来研究车间调度问题的主要方法。其次介绍了遗传算法及其在车间调度问题中的应用,并引入正交试验来确定算子,提出了基于正交试验的免疫遗传算法并用该算法求解作业车间(Job-Shop)调度问题,通过比较得到了令人满意的仿真结果。然后对微粒群优化算法的现状及未来研究方向进行了描述,给出了微粒群算法在车间调度问题中的应用,使用了基于粒子坐标值排列编码,通过与遗传算法比较,仿真实验表明了微粒群算法在求解作业车间调度问题的优越性和有效性。接下来介绍了供应链和供应链管理的概念及特征,给出了在供应链环境下生产系统的协调控制及车间调度问题。文章最后描述了无等待供应链在线调度问题,提出了基于最小位置值排列编码方法,在不改变已有工件调度的情况下,对顾客下达的紧急订单尽早制定生产方案。在流水车间(Flow-sbop)及作业车间调度问题背景下,给出了求解在资源可用时间区间上在线调度紧急订单的算法,使用该算法可以迅速求出订单完工时间并通过电话或互联网将交货期反馈给顾客,对制造商的实际生产供应链管理具有一定的指导意义。