对于棉纺企业而言,传统车间的单一品种批量生产模式已经不能适应越来丰富多样化的生产需求。车间生产多个订单中的不同类型产品时,会造成设备配置的切换。设备配置的切换过程需要浪费人力去手工操作,更换设备元器件会增加生产成本,并且切换设备时也会造成设备利用率降低。目前生产车间仍是人工对排产计划进行设计,由于工人经验的不确定性、人工排产的主观性、问题的复杂性使得求解最优解非常困难。为了提高车间的生产效益,一个有效的手段是设计更为优化的排产计划。通过合理选择设备、选择生产线,来达到减少设备配置切换的目的。本文将鲸鱼算法应用到棉纺企业生产排产中,以使最大完工时间最小化为目的求解更为合理的排产计划。本文的主要研究内容如下:(1)提出一种改进的鲸鱼算法,实验表明改进鲸鱼算法与原始鲸鱼算法相比,具有更好的搜索能力与更高的收敛精度。对鲸鱼算法进行改进,主要使用改进反向学习、非线性参数和拥挤度因子三个策略进行改进。之后将改进鲸鱼算法、原始鲸鱼算法、灰狼优化算法、粒子群算法和遗传算法在15个基准函数的不同维度上分别进行对比实验。实验结果表明,改进算法的收敛速度和搜索精度都显著的提升。(2)将改进鲸鱼算法应用到棉纺企业生产排产中。结合棉纺企业车间的实际生产过程,提出相应的排产问题并设计问题的求解方案。建立棉纺企业车间生产过程的数学模型并设计编码方案。使用改进的鲸鱼算法对模型进行求解,求解出最佳个体,并将其解码为排产计划详情。将改进鲸鱼算法、原始鲸鱼算法、灰狼优化算法、粒子群算法和遗传算法的实验结果进行对比分析,结果表明改进鲸鱼算法在棉纺企业生产排产问题上具有更好的收敛速度和优化效果。(3)棉纺企业生产排产系统设计与实现。根据企业生产排产需求,对生产排产系统的界面功能与后台逻辑进行设计,再将改进鲸鱼算法应用到系统中。使用系统可以通过修改订单内容和更改配置信息便捷的获得生成排产计划。