生产批量计划问题是一个理论和算法上研究的难点,也是生产实践中产生重大经济效益的问题。粒子群算法是一种群体智能算法,其思想是受鸟类群体寻食行为研究结果的启发。本文研究的内容主要是生产批量计划问题及其扩展问题的混合粒子群优化算法设计及求解,并对各个问题进行仿真实验,通过对仿真实例计算结果的分析和与其它文献的结果比较,来证明本文方法的有效性和优越性。本文的具体内容包括:第一章概述了生产批量计划问题的背景,回顾了用于求解生产批量计划问题的精确算法、启发式算法和随机搜索优化算法。第二章详细讲述了粒子群算法基本原理和发展现状。第三章介绍了文化进化的机制和文化算法的具体模型结构,提出了基于文化进化的并行粒子群算法。选取了背包问题为算法的测试对象,通过对仿真实例的测试,表明了本文算法比较有效的克服了传统粒子群算法容易陷入局部最优的缺点,提高了算法的全局搜索能力。第四章设计了求解单级多资源约束的生产批量问题(CLSP)的基于粒子群原理和记忆机制的算法,进行了大量的数值测试。其中对其它文献中的一个仿真实例进行了计算,通过比较,表明了本文算法的有效性和优越性。第五章根据成组单元生产批量计划问题的特点,设计了求解该问题的粒子群算法,采用罚函数法来处理约束条件。进行了大量的仿真试验,也对其它文献中的一个仿真实例进行了计算。通过比较,表明了本文算法优于文献中的遗传算法和改进的遗传算法。第六章首先设计了求解多级无能力约束生产批量计划问题的基于文化进化的并行粒子群算法,详细地阐述了具体流程,并进行了大量的仿真试验。分别采用传统的粒子群算法和基于文化进化的并行粒子群算法对一个仿真实例进行了测试,表明了基于文化进化的并行粒子群算法优于传统粒子群算法,有效地克服了传统粒子群算法容易陷入局部最优的缺点。对多级多资源约束的生产批量问题采用罚函数法处理约束,利用了本文提出的求解多级生产批量计划问题的基于文化进化的并行粒子群算法求解该问题,并进行了大量的仿真试验。通过对一个其它文献中的仿真实例进行测试,表明了本文算法的有效性。第七章设计了求解半导体炉管区批调度问题的双层粒子群算法。半导体炉管区的调度问题是一个生产批量计划和生产调度集成的问题。对该类问题采用内外两层的粒子群算法来求解,外层首先通过本文提出的基于文化进化的并行粒子群算法进行批量计划问题的求解,对产生的各批量计划问题的可行解,内层采用传统的粒子群算法进行求解调度问题。通过对其它文献中的仿真实例进行计算和结果比较,表明了本文提出的方法优于文献中的启发式算法和蚂蚁算法。第八章对本文所做的工作及创新进行了总结,同时提出了文中的一些不足和研究展望。本文结合粒子群算法的基本原理和文化进化的机制,首先提出了基于文化进化的并行粒子群算法;其次对几种类型生产批量计划问题设计了相应的算法并进行了求解。同时,本文拓展了粒子群算法的应用范围,从粒子群算法在求解各类问题所表现出的优越性来看,随着不断的研究和改进,该算法将被应用到越来越广泛的领域中。