在面对突如其来的疫情等紧急情况时,如何缩短企业的生产加工时间、减少调度成本,高效率的加工产品成为企业急需解决的问题。在需求规模巨大化及机械产能固定时,车间调度成为了影响生产效率的要素之一。近几十年来,先后涌现了众多解决车间调度的算法,粒子群算法和禁忌搜索算法因其简捷、高效的优势一直是学者们研究改进的对象。粒子群算法具有所需参数较少、收敛速度快且易于实现的特点,但粒子在迭代过程中根据当前最优和全局最优更新位置,会陷入局部最优。禁忌搜索算法将历史最优解存于禁忌表中,以寻求其他可能的最优解来跳出局部最优,但只有较高质量的初始解才能充分发挥禁忌搜索算法的优势。针对上述问题,本文提出了改进的混合粒子群算法(Improved Hybrid Particle Swarm Optimization Algorithm,IHPSO)解决车间调度问题,具体改进如下:(1)采用带有三个档案的粒子群算法(Triple Archives Particle Swarm Optimization,TAPSO),外部档案分别用于保存精英解、适应度提升率高的解及两者通过交叉和变异产生的优秀样本,将其用于解决车间调度问题;(2)针对上述算法在寻优过程中越界的粒子会频繁在上界或下界寻优的问题,本文采用边界对称映射方法,避免了无效的搜索,提升了寻优速度。并在粒子位置更新中使用递减权重平衡全局与局部搜索能力;(3)将改进后TAPSO算法的全局最优解作为禁忌搜索算法的初始解,提出求解车间调度的混合粒子群算法模型。本文先使用单目标优化问题的测试函数测试IHPSO求解连续函数最优值的性能,后针对车间调度问题使用标准测试集与相关文献进行对比分析,结果证明了IHPSO算法解决JSP问题的可行性和有效性。最后,将所提算法以某机械加工车间为实际背景,开发了车间的管理调度系统,取得了较好的应用效果也说明了算法具有的现实意义。