在现实的生产生活中,无论是机器加工、零件制造,还是货物装运、航天运输,都需要解决调度问题。调度问题不仅是一种组合优化问题,更有着广泛的应用背景,它在提高全社会资源利用效率、劳动生产率和降低生产成本方面起到了极其积极巨大的作用,并且有着非常丰富的研究成果。批调度问题是对经典调度问题的扩展,主要是起源于半导体生产过程中的一类新型现代调度问题。批调度问题具有非常重要的理论和经济研究价值。本论文研究的批调度问题是NP-难问题,而简单高效的求解算法设计是批调度研究的重点方向。文中主要用到的算法为蚁群算法和鱼群算法。在简单介绍蚁群算法和鱼群算法的思想和应用后,还根据算法特性以及视野限制的问题,提出了一种改进的鱼群算法,通过视野的动态变化,改进算法前期搜索宽度和后期收敛速度,实现算法效率的提高,并且通过案例结果分析,改进的鱼群算法比传统鱼群算法更加高效。本文还根据批调度问题特性,结合蚁群算法和鱼群算法之间的优缺点,提出了两种混合算法,混合算法通过鱼群算法拥挤度因子的结合,避免蚁群算法在早期陷入局部极值,从而导致算法早熟的缺点,使算法具有全局寻优能力,能更好的找到全局极值。文中主要解决的问题是差异工件单机批调度问题,该问题中工件尺寸不尽相同,并且只有一台加工机器。针对具体问题算法参数需要重新设置,文中对蚁群算法中信息素定义、启发式信息和信息素初始化作出相应改进,并且对鱼群算法也有相应的调整。为保证实验的说服力和有效性,本文根据实验的数量的多少、工件加工的尺寸大小和工件加工时间的长短,进行了分类的实验。为了直观全面地对比实验结果的好坏,我们应用了批的利用率和负载率的概念。批的利用率侧面反应了在批加工时间内,工件加工对机器容量的利用程度;批的负载率体现总体加工时间中浪费程度。从实验结果看,在算法寻优的过程中,蚁群算法的性能要优于鱼群算法,但是蚁群算法本身的早熟性,导致寻优结果局部最优。但如果将蚁群算法和鱼群算法相结合,利用鱼群算法中的拥挤度因子,并与蚁群算法相结合,可以有效地避免早熟,并且对于寻找最优解、减少寻优时间有着一定的帮助。通过第一种混合算法和第二种混合算法的比较,第二种混合算法对于工件数量较小、迭代次数较少的问题有较高效率。而第一种混合算法对于工件数量较多,迭代次数较多的算法有较高的性能。