针对置换流水车间调度问题（PFSP），提出了一种混合鸟群算法（HBSA）以更加有效地最小化最大完工时间。首先，为了改善初始种群的质量和多样性，结合一种基于NEH（Nawaz-Enscore-Ham）的启发式算法和混沌映射提出了一种新的种群初始化方法；其次，为了使算法能够处理离散的调度问题，采用最大排序值（LRV）规则将连续的位置值转换为离散的工件排序；最后，为了强化算法对解空间的探索能力，借鉴变邻域搜索（VNS）和迭代贪婪（IG）算法的思想针对个体最佳工件排序和种群最佳工件排序分别提出了局部搜索方法。针对广泛使用的Rec标准测试集进行了仿真测试，并与目前有效的元启发式算法——刘等提出的混合差分进化算法（L-HDE）、混合共生生物搜索算法（HSOS）、离散狼群算法（DWPA）、多班级教学优化算法（MCTLBO）相比较，结果表明，HBSA取得的最佳相对误差（BRE）、平均相对误差（ARE）的平均值比上述四种算法至少下降了73.3%、76.8%，从而证明HBSA具有更强的寻优能力和更好的稳定性。尤其是针对测试算例Rec25和Rec27，仅HBSA的求解结果达到了目前已知最优解，进一步证明了其优越性。
