遗传算法是一种以达尔文自然进化论和孟德尔遗传变异理论为基础的基于种群的智能优化算法；蚁群算法则是对群体性昆虫蚂蚁觅食行为进行模拟而提出的一种新的基于种群的智能优化算法，它们可广泛应用于自然科学、工程技术和现代管理等领域中各种复杂问题的优化求解。本文对这两种算法进行了仔细的研究，针对它们收敛速度慢、容易早熟等不足，通过引入新的思想和方法，设计出一种组合式算法使得这些问题得到改善或解决，并将其成功地应用到了TSP问题中。改进遗传算法并将其应用于流水车间调度问题。主要工作包括以下内容： 1.首先论述本文研究内容的目的和意义，对TSP问题及车间调度问题进行了概述。介绍了遗传算法及蚁群算法的原理及实现技术，包括算法的基本概念、基本操作、处理流程和基本步骤等；总结了两种算法的改进及应用情况。 2.遗传算法和蚁群算法都各有其优缺点，如何扬长避短，充分发挥它们各自的优势来解决问题是设计这种算法的目的和初衷。本文在对基本遗传算法和蚁群算法作相应改进的基础上进行整合。并以matlab为编程平台实现该组合式算法并以TSP问题作为测试平台对算法的有效性进行了验证。仿真结果表明该算法能够在加速收敛的同时，有效地防止算法运行中出现的退化现象和早熟现象，容易求得最优解。 3.介绍流水作业车间调度的基本理论，并总结了车间生产调度的优化方法和策略，对流水车间调度问题进行了描述。本文提出了一种改进遗传算法，通过双交叉和变异来实现种群的多样性，对Car类及Rec类的多个标准算例进行测试。试验结果表明，改进遗传算法取得了较好的结果