随着我国实体经济的飞速发展,制造业在工业发展体系中所占有的地位也越来越重要,企业间的竞争也越演越烈。为了增强企业在整个行业中的竞争力,企业内部对作业调度问题进行了不断深化的研究,作业调度车间作为复杂度最高的生产加工车间,成为了主要的研究对象。在该类型的生产车间,工序加工不再局限于一台机器,可以在多台设备上进行,每台设备上的加工时间互不相同,车间需要对工序的加工顺序及相应的设备进行调度安排,因此,成为了一直以来研究的热点。本文主要以蚁群算法作为主要的优化算法,通过信息素的挥发和更新机制的改进,结合遗传算法的优势,建立了新的算法模型,以最小化最大完工时间为目标函数,对作业车间调度问题进行理论和分析。具体工作内容如下:（1）通过对车间效益影响因素的分析,确立以最优化最大加工时间为目标函数。（2）针对蚁群算法的生物学思想,对蚁群算法的信息素挥发因子的适应性区间进行动态设定和求解,对于信息素的更新机制进行了两阶段的设置,使局部与全局结合的方式进行信息素更新,即第一阶段是每完成一次加工工序,信息素进行一次局部更新,在达到设定的迭代条件后进入第二阶段,由于一次迭代完成后只对最优路径上的信息素进行更新,为了克服蚁群算法初期对信息素的依赖,使用遗传算法对信息素进行初始化。通过基于工序原则的遗传算子设计,运用子父代收敛关系设计并得到最佳收敛率比值,加快整体算法的收敛效果,改善蚂蚁全局的搜索能力。（3）对提出的改进蚁群算法在作业车间调度问题中的应用,进行了步骤设计,给出了具体流程,确定了信息素挥发更新、参数自适应机制及最佳收敛率阈值等相关关键参数,通过Python编程实现了所提出的算法,并采用标准数据集对不同算法进行多次仿真实验,验证改进后算法的有效性及鲁棒性。（4）以沈阳某发动机公司生产作业车间作为研究对象,运用现有调度方案和改进蚁群算法的调度方案,从多个角度与实际数据进行对比分析,验证改进蚁群算法在处理实际生产问题中的可行性。