随着市场竞争的日趋激烈,每个企业都在寻求更好的生产与运作管理方案,以提高企业的生产、经营和管理效率,从而提高企业的核心竞争优势。生产与运作管理的核心是车间调度问题能否高效地获得优化解,研究车间调度问题具有很大的理论意义和现实价值。车间调度问题是解决如何按时间的先后分配资源来完成不同的生产任务,使预定目标最优化的问题。作业车间调度一(JSP)问题是许多实际车间调度问题的简化模型,是一个典型的NP-难问题。该问题具有约束性、非线性、不确定性、大规模性等复杂性,已被证明在多项式时间内得不到最优值。近年来,对于Job-shop调度问题求解方式主要有启发式算法和元启发式算法,但各有其不足之处:元启发式方法的运行时间长,可获得较好的解,但其解不稳定;启发式方法可在较短的时间内得到鲁棒性较强的解,但是极少获得较优的解。为了更好地解决作业车间调度问题,将一些解决此类问题较好的算法组合起来。蚁群算法是通过信息素的累积和更新收敛于最优路径上,具有分布式并行全局搜索能力,但初期信息素匾乏,求解速度慢。禁忌搜索法(TabuSearch)是一种通过邻域搜索以获取最优解的方法,能有效地加快解的收敛速度。本文根据蚁群算法的特点,对蚁群算法进行改进,并将禁忌搜索算法熔入到蚁群算法中,以改善蚁群算法的收敛速度。算法动态融合的思想是首先应用改进的蚁群算法找到JSP问题的可行解,然后应用禁忌搜索在可行解的邻域找到更优的解。最后,本文对JSP问题应用实验仿真计算。结果表明,改进的蚁群算法与禁忌搜索结合后的混合蚁群算法的收敛速度更高,具有更好的全局收敛性能,能在更少的迭代次数达到全局最优解,具有更高的收敛速度。