智能优化算法是人们受自然界或生物界规律的启发,根据自然界或生物界的原理,模仿其规律而设计的求解优化问题的算法。智能优化算法包括遗传算法、模拟退火算法、人工神经网络方法、蚁群算法、禁忌搜索算法等。智能优化算法在解决大规模的NP-hard优化问题,有着不可比拟的优越性。但是在应用于具体的优化问题时,其搜索效率仍有待提高。本文以车间调度问题作为研究对象,改进智能优化算法的搜索效率。一方面从提高解质量和缩小最优解搜索空间角度,来提高智能优化算法在车间调度问题的搜索效率。通过对车间调度问题的研究,结合按机器分段编码与完全活动调度概念,设计了按机器分段编码的完全活动调度算法PLFA(Full Activebased Preference List),并将PLFA算法与遗传算法结合,形成了PLFA-GA混合遗传算法,与模拟退火结合,形成了PLFA-SA混合模拟退火算法。并将这两种混合算法与传统的遗传算法和模拟退火算法作了对比。另一方面从智能优化算法的并行化角度,来提高智能优化算法在车间调度问题的搜索效率。通过结合Map-Reduce模型,实现了粗粒度并行混合遗传算法PLFA-PGA,研究了不同机器数量和不同种群个数对算法运行时间的影响。本文内容分为三个部分:首先对研究背景和现状作了简单介绍;接着介绍了PLFA算法,PLFA与智能优化算法相融合的混合算法,以及基于Map-Reduce模型的并行混合遗传算法;最后是总结与展望。