作业车间调度问题(Job Shop Scheduling Problem,简称JSP)是制造业生产调度问题中一个非常重要的问题。其所应用的领域非常广泛,主要涉及了航母调度,机场飞机调度,港口码头货船调度,汽车加工流水线调度等实际调度问题,因此研究车间调度具有非常重要的意义。针对传统的数学方法已经无法满足生产调度需求这一问题,本文主要研究一种新型元启发式优化算法用于解决作业车间调度问题。入侵杂草算法(Invasive Weed Optimization,简称IWO)是一种受到杂草入侵行为启发而得到的一种新型元启发式算法。入侵杂草算法模拟了杂草的入侵行为,因此算法具有与杂草相同的特征,如强鲁棒性,适应性和随机性。本文深入研究了IWO算法的机制,通过分析算法流程,主要对算法的参数部分做出了改进,同时平衡了IWO算法的局部搜索能力和全局搜索能力,并将IWO算法应用于JSP问题中,本文的主要研究内容如下:1、入侵杂草算法(IWO)证明了其在解决优化问题时的适应性和效率的鲁棒性。然而,IWO还存在受参数显着影响,容易陷入局部最优的问题。本文提出了一种基于自适应入侵杂草算法(IWO)和差分进化算法(DE)的混合算法(A Hybrid Algorithm based on Self-adaptive Invasive Weed Algorithm and Differential Evolution,简称SIWODE)来解决单目标优化问题。首先,SIWODE中的两个参数被自适应地操作以提高算法的收敛速度。其次,SIWODE中增加了交叉和变异操作,以改善种群多样性,提高迭代过程中的全局搜索能力。此外,增加了局部扰动策略以提高后期过程中的局部搜索能力。SIWODE的实验结果表明,SIWODE具有优于其他对比算法的搜索精度和稳定性。2、针对入侵杂草算法的机制,提出了一种离散的入侵杂草算法(A Discrete Invasive Weed Optimization Algorithm for Job Shop Scheduling Problem,简称DIWO)来解决作业车间调度问题。作为一种随机数值优化算法,算法先在解空间中生成一定数量的候选解,之后将这些候选解进行编码和解码。DIWO算法通过繁殖和扩散操作新个体的产生,并且控制新个体的生成向着最优解得方向靠近。同时,算法中应用了局部搜索策略和变邻域搜索操作(VNS)使得算法可以对候选解进行一个局部的寻优和调整,更进一步的提升算法的性能,增强算法的局部搜索能力和全局搜索能力。3、本文用马尔科夫模型对SIWODE算法进行收敛性分析。之后将SIWODE算法应用于CEC2017测试集,并将DIWO算法应用于LA测试集进行模拟仿真实验。最后,本文用假设检验的方法对仿真实验得到的结果进行科学的统计分析。