在制造系统中,车间调度问题既是实际生产过程中的重大问题,也是广大研究人员理论研究的重难点之一,具有重要的实用价值和理论意义。目前,企业车间生产在机床刀具使用上仍然采用传统调度方法,如:排产周期长,很难适应市场的短周期、需准时交货和高效率生产的复杂要求,以及频繁更换生产计划,常常使得整个加工生产陷入混乱的局面。如何解决企业车间在生产过程中机床刀具应用存在的调度问题,以及实际生产会发生的动态事件的解决与处理,是企业车间提高生产效率和产品质量的关键因素,也是本课题重要的研究对象。本文是基于基本算法的改进及其改进的智能优化算法在数控机床刀具调度中的应用研究,主要针对以下几个方面进行研究:首先,介绍了企业制造车间刀具调度问题,国内外研究人员针对这个问题得出的一些研究方法与研究成果,以及仍遗留的问题;系统分析了 PSO算法与GA算法的运行机理及其基本的操作流程。其次,通过对模拟退火(SA)算法优化粒子群(PSO)算法的操作流程进行分析,采用带压缩因子的PSO算法,借用SA算法的概率突跳性保证了种群的多样性,从而更好的避免了 PSO算法陷入局部极小值。基于SA-PSO的混合算法保持了 PSO算法的简单性,提高了算法的全局最优能力,在基于SA-PSO算法的基础上加入遗传算法(GA)进行改进升级,引入GA算法的交叉和变异操作来更新粒子,提出了基于GA-SA-PSO算法数控机床刀具调度模型,改善了粒子陷入局部最优解,提高了智能优化算法全局搜索最优解的能力。本文把改进升级后的混合算法应用到了数控机床刀具调度研究当中,进行收敛性和有效性的验证,并且跟其他算法进行比较,表明了本文所提方法GA-SA-PSO算法在数控机床刀具调度上相较于PSO算法和SA-PSO算法在算法收敛性上表现更优。最后,将本文提出的GA-SA-PSO算法应用到了实际生产过程可能遇到的动态事件中,本文针对机器故障和订单取消这两个动态事件进行了分析处理,通过仿真实验较好的验证了本文提出的智能优化算法可行性和有效性。