混合流水车间调度问题(Hybird Flowshop Scheduling Problem，HFSP)属于现实生产调度领域问题的一种，由此抽象出的简化模型，属于企业生产管理、控制的核心部分，在流程制造业中比较常见。企业贯彻先进制造和提高生产效率的关键在于合理利用优秀的调度方案，有效的优化技术。生产调度领域的重心是调度算法的研究与应用，具有很强的理论意义与现实价值。粒子群优化算法是近几年提出的基于群集智能的进化算法，优点表现为易于操作、实现简单等。在算法发展的过程中，尚有一些不足之处，表现为搜索效率低下过早地收敛、陷入局部极值等。基于以上原因，对粒子群优化算法进行改进，并应用于实际的混合流水车间调度问题求解。本文首先将免疫算法与粒子群优化算法相结合，提出免疫粒子群优化算法，它结合了粒子群优化算法收敛速度快、实现简单的优点及免疫算法免疫信息处理机制的优势，基于浓度自身调节机制保证了粒子(抗体)的多样性，并给出了算法的原理、流程及性能分析。其次，结合上述优化算法的理论基础，针对粒子(抗体)在寻优过程中容易陷入局部最优的缺陷，对算法的粒子更新公式框架进行改进，引入动态扰动项，提出带有动态扰动项的免疫粒子群优化(Immune ParticleSwarm Optimization-Dynimic Disturbance Term，IPSO-DDT)算法，使得粒子(抗体)具有免疫、记忆等特性，粒子(抗体)的进化具有一定的方向性，以较少的迭代次数寻找到最优解。典型函数的测试结果，表明算法无论是收敛速度，还是收敛精度均较以往有进步。最后，以混合流水车间调度问题为研究对象，借鉴遗传算法的编码方式对粒子(抗体)进行进行编码与解码，问题的目标为完工时间最小值，设计了相应的求解算法。仿真实验结果表明算法可获得较优的调度方案，验证了算法的高效性与现实可操作性。