生产调度问题的研究具有重要的理论意义和工程价值。近年来,智能优化算法成为解决此类问题的主要方法。差分进化算法和人工蜂群算法是新发展起来的两种智能算法,具有结构简单、容易实现、快速聚合和鲁棒性强等优点,引起了学术界和工程界的广泛重视。本文研究基于差分进化和人工蜂群算法的优化调度方法,主要内容有以下几个方面:　　1.基于差分进化算法的单机准时排序问题研究。　　准时排序是指提前完工和延误完工都要付出代价的排序问题。本文研究共同交货期给定的单机准时排序问题,提出了一种差分进化调度算法。该算法采用差分进化执行全局搜索,分别采用模拟退火、局部搜索和迭代局部搜索提高局部开挖能力,采用自适应的控制参数提高算法的适应性。基于280个典型测试问题的仿真试验结果表明,该方法优于Hino等提出的遗传算法。　　2.基于差分进化算法的批量流水线调度问题研究。　　批量流水线调度问题将完全相同的若干工件视为一个工件。为了提高生产率,可以将其分成若干小批量在不同的机器上同时加工。针对批量流水线调度问题,提出了一种差分进化调度算法。该算法采用实数编码,利用最优目标个体的扰动产生变异个体,通过变异个体与目标个体的交叉产生试验个体,采用模拟退火算法跳出局部最优。　　3.基于离散差分进化算法的批量流水线调度问题研究。　　群体优化算法的离散化是当今研究的热点问题之一。研究了差分进化算法的优化机理,采用工件排列编码和新设计的变异、交叉算子,提出了一种离散差分进化调度算法,同时将自适应多邻域局部搜索嵌入到算法中增强局部探测能力。计算结果表明,所得方法优于Liao等提出的离散微粒群算法。　　4.基于人工蜂群算法的批量流水线调度问题研究。　　提出了一种改进人工蜂群算法来优化批量流水线调度问题的最大完成时间。该算法运用NEH启发式方法产生初始解,并混沌搜索新的邻域解,使用最优解的插入扰动来替换连续若干步未改进的解,采用自适应局部搜索加强算法的局部搜索能力。　　5.基于离散人工蜂群算法的批量流水线调度问题研究。　　研究了计算最大完工时间的前向和后向方法,并提出复杂度为O(mn2)的插入邻域快速算法。提出一种离散人工蜂群算法来优化最大完成时间。该算法采用工件序列编码,运用扩展的NEH方法产生初始种群,使用自适应的移动选择策略和路径链接方法生成新解,利用基于插入邻域快速算法的局部搜索来加强局部开挖能力。同时为了保持种群的多样性,防止算法陷入局部极小,当种群相似度达到一定值时进行算法重启。　　6.基于差分进化和人工蜂群算法的混合调度算法。　　不同算法的混合是提高算法性能的有效途径之一。研究了差分进化和人工蜂群算法相混合的三种策略,得到了相应的三种调度算法,仿真实验表明了所得混合算法优于单一调度算法。　　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。