类电磁机制（EM）算法是模拟电磁场中带电粒子之间的吸引—排斥机制而提出的一种新型的全局优化方法。该算法具有所需资源少、寻优机理简单、搜索能力强等特点。目前对该算法的研究主要集中在对算法计算公式的改进上，虽然从一定程度上改善了算法的性能，但是还存在着局部搜索效率低、收敛速度慢等问题。此外，该算法在实际工程优化等方面的应用也有待探索。因此，需要进一步对该算法进行深入研究。本文研究了EM算法的原理，并针对经典EM算法中存在的局部搜索效率低、收敛速度较慢、容易陷入局部最优等缺陷，提出了一种改进的类电磁机制算法——基于对立学习的类电磁机制算法（OLEM）。采用对立学习机制初始化种群，提高了初始解集的质量，同时在种群进化过程中对当前种群进行对立学习操作，增加了种群的多样性，提高了算法的全局搜索能力；利用细菌觅食趋化算子对粒子进行局部搜索，提高了局部搜索效率；设计了新的自适应移动系数来更新粒子的位置，在算法初期提高了全局搜索能力，后期提高了局部搜索能力。最后，经仿真证明，改进后的算法在求解精度、稳定性和收敛速度上较经典EM算法有了明显提高。作业车间调度问题（JSP）是一类满足任务配置和顺序约束要求的资源分配问题，也是最困难的组合优化问题之一。目前用来解决JSP问题的方法还存在着收敛速度慢、容易陷入局部最优、计算规模不可能较大等缺陷。本文分析了作业车间调度问题的特点，将OLEM算法应用于解决作业车间调度问题。最后将此算法针对不同规模的作业车间调度实例进行了测试，并与其它几种具有代表性的算法进行了对比。结果表明OLEM算法在优化结果和收敛速度方面都优于其它几种算法，为求解作业车间调度问题提供了一种新的可行、有效的方法。在后续的工作中，将继续对该算法进行研究。重点是将其与其它算法相结合，以加快收敛速度，并提高解的精度，同时进一步扩展该算法的应用领域。