1、本文主要研究了三類JobShop調(diào)度問題，分別為傳統(tǒng)的JobShop調(diào)度問題、一類柔性的JobShop調(diào)度問題、不確定條件下的JobShop調(diào)度問題，分別采用不同的優(yōu)化算法進行了求解，主要工作如下： 首先，介紹了各種調(diào)度問題的描述及分類，總結(jié)了目前有關(guān)車間調(diào)度問題的優(yōu)化算法。 其次，針對傳統(tǒng)的JobShop調(diào)度問題，分別采用改進了的自適應(yīng)模擬退火算法和螞蟻算法進行了優(yōu)化。在采用自適應(yīng)模擬退火算法時，設(shè)計了專門的溫度更新函

2、數(shù)，當(dāng)算法陷入某一局部最優(yōu)解時，通過小范圍內(nèi)升高溫度，在一定程度上使搜索跳出局部最優(yōu)。還設(shè)計了專門的螞蟻算法來求解JobShop調(diào)度問題，將工序的最早開始加工時間(EAPT)作為螞蟻搜索時的啟發(fā)式信息，該螞蟻算法具有分工的功能，在選擇策略上具有確定性和隨機性兩種特性，同時將變異操作引入到螞蟻算法中，給出了相應(yīng)的流程；分別采用兩種算法對不同類型的標(biāo)準(zhǔn)問題進行仿真，并進行了結(jié)果比較。 另外，研究了一類柔性JobShop調(diào)度問題，介紹