该文通过对现代启发式算法的理论共性及个性的比较研究,对一些生产计划中的组合优化问题设计了几种不同的组合模拟算法,旨在微机上实现对这些问题的优化求解.为此,论文从以下几个方面开展研究工作:1.通过分析模拟退火算法与Tabu Search算法及遗传算法的共性与个性及内在的联系,把这三种算法统一于马尔可夫链的理论,提出了更一航算法的理论框架.同时提出了几种有应用前景的组合模拟算法;2.从Flowshop问题的分布的研究中可以看出其解的分布在最坏的情况下可能服从正态分布,因此,提出了一种新的产生解的方式;3.对Jobshop问题,设计了两种组合算法的实现形式;4.对大规模的Jobshop问题设计了一种分解算法,分解算法的主要步骤为:将原来的Jobshop问题分成s个子问题,对每一个子问题用局部搜索算法进行局部优化,这里所采用的算法是文中所设计的组合模拟算法;5.对给定的随机Flowshop问题的一个排序,虽然它的加工时间的分布不同,但它的完工周期这一随机变量近似服从正态分布;6.对单阶层、多品种、有能力约束的批量问题设计了一种模拟退火算法及Tabu Search的实现形式.该文通过将这一批量问题表面成运输问题并采用目前速度较快的最小费用网络流的松弛方法求解这一运输问题,从而使求解的速度大大加快;7.对生产计划的优化理论进行了实验研究.