生产调度问题是一个具有代表性的调度问题,在很多行业或者系统中发挥着至关重要的作用,具有很高的理论研究与实际应用价值。生产调度问题本质上是离散域的组合优化问题,并且已被证明大多数是NP难问题。而车间作业调度问题又是其中约束最多,求解最困难的一种。传统的解析建模和最优化方法很难适应问题需求,而现有的群智能算法及其改进算法,对该问题仍然在求解能力上存在不足。车间作业调度问题的复杂性,除了其离散的解空间过于庞大之外,还表现在解空间内的各操作是相互关联的。对任意一个操作的调整,都有可能导致整个解空间结构的改变。因此,群智能算法中的全局搜索能力和局部精细搜索能力,在求解车间作业调度问题时需要相互促进,共同起效。针对车间作业调度问题,本文重点分析了两种求解能力优秀的群智能算法:粒子群算法和人工鱼群算法。并在两种基本算法的基础上分别做出了改进,以提高两种算法针对车间调度问题的全局搜索能力和跳出局部极值的能力。最后通过仿真实验分别验证两种改进后算法的有效性。