随着经济和科技的迅速发展,企业之间的竞争日益激烈,合理进行生产调度对于企业提高生产效率、降低生产成本、满足及时交付具有极为重要的意义。生产调度是典型的组合优化问题,对于规模较大的生产调度问题,传统的数学方法难以求得有效解。布谷鸟算法(Cuckoo Search,CS)是近几年提出的一种智能优化算法,该算法自提出后就被应用到多个优化领域,但目前将其用于车间调度的研究不多。因此本文分别针对流水车间调度问题(Flow-shop Scheduling Problem,FSP)和作业车间调度问题(Job-shop Scheduling Problem,JSP)两类典型车间调度问题,对CS算法进行改进研究,并予以实例验证。本文的研究内容如下:(1)针对基本CS算法寻优速度慢、寻优后期会陷入局部最优的问题,将遗传算法(Genetic algorithm,GA)的选择和交叉思想引入CS算法,对CS算法进行了改进,提出了混合遗传布谷鸟算法(Genetic algorithm&Cuckoo Search,GACS)。采用经典的连续性测试函数以及Car类离散FSP进行测试,测试结果验证了该改进的算法用于求解连续函数优化问题及简单FSP的有效性。(2)针对某汽车企业混流装配线作业者工作负荷不均衡的问题,构建了一个以违背装配频率上限次数最小为目标的车间排序优化模型并采用GACS进行求解。仿真验证表明该算法求解出的车间排序大大提高了生产作业的均衡性,为汽车混流装配线的生产排序问题提供了理论依据。(3)针对连续函数优化问题,提出了基于高斯变异和模式搜索的改进CS算法(Gauss mutation&Pattern Search&Cuckoo Search,GPSCS),邻域的构造采用模式搜索的方法;针对JSP,提出了基于高斯变异和混合邻域搜索的改进CS算法(Gauss mutation&Hybrid Neighborhood Search&Cuckoo Search,GHNSCS),混合邻域的构造采用交换、逆序、插入和Nowicki邻域方法。并分别采用经典的连续性测试函数和标准测试用的JSP对这两种改进CS方法进行测试,仿真结果验证了两种改进算法的有效性。(4)针对有紧急订单插入的动态JSP,将最大完工时间和调度稳定性设为优化目标,采用权重系数的方法对多目标问题进行处理,并运用GHNSCS方法进行对模型求解,结果表明GHNSCS方法能够有效解决动态JSP。