生产调度是企业生产过程管理的重要环节,在企业的生产运营管理中起着至关重要的作用。随着科技的不断发展和人们生活水平的不断改善,个性化需求日益突出,使得企业的生产方式也不断趋于向多品种、小批量、定制化的生产方式发展,进而使得传统的调度方法已经不能够很好解决现代复杂的生产调度问题,智能算法由此应运而生。遗传算法和粒子群算法都是近年广受人们关注的智能算法。遗传算法通过模拟自然进化过程搜索最优解,全局搜索能力强但在操作时缺乏指导信息,收敛速度慢;而粒子群算法通过模仿生物界的群体活动,设置参数少,易于实现,收敛速度快,但后期会导致种群多样性变差,陷入局部最优。有学者将两种算法混合形成粒子群遗传混合算法使二者进行互补来改进解决复杂调度问题的算法性能,取得了一定的成效。作者在前人的基础上,采用近邻域搜索算法对粒子群遗传混合算法进行改进,并通过经典案例测试优化性能,以验证改进的有效性。文中,作者综述了生产调度相关问题的国内外研究动态;研究了遗传算法和粒子群算法的基本原理和改进方法,分析了两种算法各自的优缺点,论证了二者的可结合性,以及两者的结合在解决车间调度问题时的优势和意义;采用近邻域搜索算法对二者进行混合改进,在混合算法中引入insert算子、inverse算子、swap算子、pairwise算子四种搜索算子,以扩大局部搜索域,改善局部寻优能力;最后,利用改进的混合算法对众多学者所采用的经典案例FT06、LA31和Car5进行计算,并与遗传算法、粒子群算法和其他学者提出的改进算法的计算结果进行对比,验证了本文所提出的改进算法在收敛速度、计算精度和全局寻优能力上的优越性。