车间资源的有限性制约着能否有效利用车间现有资源完成任务，以最快的速度响应市场需求，促使制造型企业能否赢得市场竞争。调度的任务是根据生产目标和约束，为每个加工对象确定具体的加工路线、时间、机器和操作等。优良的调度策略对于提高生产系统的最优性、提高经济效益都有着极大的作用。调度的核心问题是模型和算法，其中有效的调度算法是调度问题的重要研究内容。协同粒子群优化算法是将协同进化理论与粒子群优化算法相结合，取长补短，形成的一种更为优秀的算法，是近年来的一个研究热点。 本文首先介绍了国内外生产调度的发展现状和研究方法，阐述了粒子群优化算法的基本概念、原理和方法。然后对协同进化理论，协同进化算法的分类，以及现在提出的一些协同粒子群优化算法进行了介绍。 针对两种不同类型的协同进化算法，本文提出了两种新的改进的协同粒子群优化算法：MP—CPSO和ICPSO。MP—CPSO算法是基于多种群的协同进化粒子群优化算法，主要包含了一个基于生物竞争方程的主次进化模型。此模型即包括了种群中粒子之间的竞争协作，又包括了种群与种群之间的竞争协作，种群与环境之间的竞争关系。ICPSO算法是针对其他学者提出的合作型协同粒子群优化算法，提出了三种改进措施：优化法的子群协作方法，综合学习策略和扰动机制。新的改进措施有效克服了算法原有的缺陷，提高了算法的性能。这两种算法被应用于Flow—Shop和Job—Shop调度问题的求解，并且和其他算法进行了比较，实验结果显示，新算法能够很好的解决此类问题，并且具有更好的性能。 本文又对模糊流水车间问题进行了探讨，介绍了模糊数及模糊流水车间问题的数学描述，然后应用MP—CPSO、ICPSO和其他的几种算法对他进行求解。通过对求解结果的比较讨论，总结出了协同粒子群优化算法求解此类调度问题的更有效方法。