进入二十一世纪以来,科技发展日新月异,世界经济迅速发展,随着世界经济的全球化,企业的竞争不仅仅局限于本国国内,越来越多的企业努力想国外开拓市场,与国外企业竞争,也有越来越多的国外企业进入国内竞争。现代企业的竞争,不在仅仅根据企业硬体设施和技术能力的优劣,企业的生产与运作管理的效率也极大的影响企业的竞争力,而车间调度则是提高企业生产与运作管理效率重要环节。车间调度是指按照时间的先后顺序合理的分配制造系统的有限资源,以满足某个或某些特定生产指标的活动；车间调度问题是组合优化问题,属于NP-hard完全问题,随着问题规模的变大,计算量急剧增加,难以用常规优化方法求解。为了更好的解决作业车间调度问题,各种智能计算方法逐渐被引入到调度问题求解中。粒子群优化算法是一种基于种群的随机优化技术,是一种群智能优化算法。粒子群算法自上世纪90年代提出以来,虽然仅仅发展了十几年,但由于其算法结构简单、收敛速度快的优点,发展迅速,目前已被广泛研究和应用,但其也存在早熟、收敛精度不高等缺点。协同粒子群算法是在粒子群算法的基础上,通过划分将现有种群划分为若干个子种群,所有子种群独立进化,局部信息共享,有效的克服了传统粒子群算法早熟和搜索精度差的缺点。本文基于协同粒子群算法,针对Job-shop调度问题和Flow-shop调度问题的不同特点,设计不同的粒子编码方式,基于工序的编码方式和基于工件的编码方式,对两种典型的车间调度问题进行求解,并通过仿真验证了协同粒子群算法在求解车间调度问题上的可行性与高效性。