车间生产调度是制造系统的一个研究热点，也是理论研究中最为困难的问题之一，目前已成为计算机集成制造系统领域内的重要研究问题。多数调度问题属于NP-hard（Non-deterministic polynomial-Hard）问题，难以用常规优化方法进行求解。随着各种智能优化算法不断被引入到求解调度问题中并展现出良好的求解性能，智能优化算法被认为是求解调度问题的主流研究方法。　　 在分析车间生产调度问题类型及其主要求解方法的基础上，本文选择应用多种智能优化算法求解Job Shop调度问题作为本文的主要研究内容。论文首先采用标准遗传算法求解Job Shop调度问题，实例仿真结果显示其优化性能不太理想，进而提出了一种改进的遗传算法，并通过实例验证了其有效性及优越性；然后结合模拟退火算法的基本思想，构建了基于模拟退火算法的Job Shop调度问题求解方法，并通过实例验证了其有效性；接着分析了粒子群算法基本原理和特点，设计了求解Job Shop调度问题的粒子群算法，并结合实例验证了其有效性及收敛性，鉴于改进后的遗传算法、模拟退火算法和粒子群算法在求解大规模调度问题上各自存在一定的不足，为此结合粒子群算法和模拟退火算法各自优点，提出了PSOSA混合算法，实例仿真结果表明该算法在求解大规模调度问题时可以取得较满意的结果；再接着考虑到Job Shop调度问题和实际的生产调度问题存在一定的差距，提出了和实际生产调度问题更接近的柔性Job Shop调度问题，并应用粒子群算法实现了柔性Job Shop调度问题的求解；最后在．NET开发平台下，采用C＃编程语言和SQL Server2005数据库技术开发了一个集成前述智能算法的求解车间生产调度问题的智能优化算法库软件，测试结果表明该算法库可以实现Job Shop调度问题和柔性Job Shop调度问题的求解。