在竞争日渐激烈的全球化经济中,如何提高企业的制造效率,减少企业成本已成为提升企业竞争力的重要途径,而随着企业生产规模巨大化和生产规模的连续化,车间调度已成为左右生产效率的要素之一。车间调度问题(Job-shop Scheduling Problem,JSP)是制造行业的一个研究热点,有效的调度计划和优化方法是实现提升生产效益的基本和关键,但车间调度问题是NP难问题,其难点是无法实现在一个多项式时间内求出其最优解,所以一个好的优化算法是解决车间调度问题的关键。近几十年来,学者们都在致力寻找更好的优化算法,其中粒子群算法(Particle Swarm Optimization,PSO)和禁忌搜索算法(Tabu Search,TS)是比较突出的两个优化算法。粒子群算法是一种群智能算法,因其有简单、容易实现,收敛速度快且需要调整参数少等优点,自提出以来便受到了国内外的关注,粒子群算法现在广泛应用于调度优化、函数优化、化学工程、数据挖掘、生物工程、环境工程、模糊系统控制等诸多邻域。禁忌搜索算法是一种全局逐步优化的启发式算法,以禁忌表的形式来避免陷入局部最优解,以此来跳出局部最优,具有良好的寻优性能,目前,禁忌搜索算法已经普及在机器学习、投资分析、电路设计、函数优化和组合优化等诸多邻域,具有广泛的应用前景。本人在阅读了大量的文献得知,传统粒子群算法对离散的优化问题处理不够理想,且容易陷入局部最优解,禁忌搜索算法对问题的初始解要求较高,针对这些缺点,本文进行了相应的改进,在前人融合这两种算法的基础上,提出将粒子群算法的全局最优解做为禁忌搜索算法的初始解的混合粒子群算法模型,并在应用于车间调度问题上做了离散化处理,在柔性作业车间调度问题上,对禁忌搜索算法的邻域结构做出了相应的改进。改进的算法不仅可以提升粒子群算法的寻优能力,对于求解作业车间调度和柔性作业车间调度问题都有明显的优势。最后,本文通过实验仿真来求解作业车间调度问题和柔性作业车间调度问题,验证了改进后的算法的可行性和优越性。