置换流水车间调度问题是一个经典的组合优化问题,多年来已经得到广泛而深入的研究,取得了很多的研究成果。近十几年来,随着智能优化方法的兴起,这个问题再次受到研究者的关注。成为一个研究热点。本文主要提出了几种智能优化算法求解置换流水车间调度问题。本文的主要工作概括如下：1、(1)针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法。该算法的要点是将NEH启发式算法和蚁群优化结合起来。通过对置换流水车间调度问题的标准问题测试表明提出算法性能优良。(2)针对置换流水车间调度问题,提出了一种多构造蚁群优化的求解算法。在该算法中,蚁群采用两种方式构造解,分别是基于NEH启发式算法和]Bajendran启发式算法,并根据解的质量,自适应地调整两种构造方式在蚁群中所占的比例。通过对置换流水车间调度问题的标准问题测试表明提出算法性能优良。2、(1)针对置换流水车间调度问题,提出了一种基于微粒群优化的求解算法。在该算法中,由基于启发式信息的贪婪随机自适应搜索算法得到工件排列顺序,个体最优的初始值不再随机生成,而是对上述工件排列顺序通过一个新的方法转化而成。添加局部搜索提高算法性能。通过对置换流水车间调度问题的标准问题测试表明提出算法性能优良。(2)针对置换流水车间调度问题,提出了一种混合电磁求解算法。在该算法中,一部分初始解随机生成,另一部分初始解由基于启发式信息的贪婪随机自适应搜索算法得到工件排列顺序转化得到。添加局部搜索提高算法的性能。通过对置换流水车间调度问题的标准问题测试表明提出算法的有效性。3、(1)针对置换流水车间调度问题,提出了一种混合分布估计求解算法。在该算法中共,通过一种新颖的方法,由NEH启发式信息得到初始概率分布,对概率分布做抽样得到解,然后对群体的最优解作局部搜索,通过一种特别的方法利用若干个好解重新估计概率分布,随后,再由概率分布抽样出新一代解。通过标准问题测试,表明提出算法性能优良。(2)针对总流经时间最小的置换流水车间调度问题,提出了一种混合分布估计的求解算法。在该算法中,通过一种新颖的方法,利用FL启发式信息得到初始概率分布,对概率分布做抽样得到解,然后对群体的最优解作局部搜索,通过一种特别的方法利用若干个好解重新估计概率分布,随后,再由概率分布抽样出新一代解。通过标准问题测试,表明提出算法的有效性。4、针对置换流水车间调度问题,提出了一种混合离散人工蜂群的求解算法。在该算法中,利用基于启发式信息的贪婪随机自适应搜索算法得到好的初始解,然后,利用一些离散操作和算法为采蜜蜂、观察蜂以及侦查蜂产生新解。通过标准问题测试表明,提出的算法性能优良。5、针对置换流水车间调度问题,提出了一种改进型遗传算法的求解方法。在该方法中,初始种群由两部分构成,一部分通过随机方法生成,另一部分由基于启发式算法的贪婪随机自适应搜索算法生成。交叉算子采用最长公共序列交叉。局部寻优采用向后插入型寻优。实验结果表明,提出的方法是有效的。6、针对近年来流行的数独问题,提出了一种基于遗传算法的求解方法。在该方法中,首先按照一个提出的规则生成质量比较好又具有多样性的初始种群。其次,缩短了编码长度,新设计了交叉和变异算子。最后,添加了局部搜索以增强算法的性能。通过测试表明,提出的算法是有效的。7、针对世界流行的魔方问题,提出了一种基于遗传算法的求解方法。为了提高算法的性能,初始种群由贪婪随机自适应搜索算法生成,交叉、变异以及局部搜索都做了特定的设计。通过测试表明,提出的算法是有效的。