随着全球经济一体化和知识经济的到来，企业间的竞争愈演愈烈。为了增强核心竞争力，企业必须要改善内部生产管理，尤其是生产管理的核心技术—生产调度技术。然而以往人们多将目光投在确定性车间作业调度问题上，但现实生产中，受多种随机因素的影响，加工时间和交货期往往都是不确定的。因此，论文在现有理论基础上，研究了模糊车间作业调度问题。 通过分析制造业环境的变化及生产调度问题研究方法的回顾，给出了车间作业调度问题的理论模型。结合车间调度问题的复杂性和数学模型，重点探讨了几种目前应用广泛的邻域搜索算法。针对遗传算法存在的局部收敛性，设计了一种循环搜索遗传算法，算法融入了保优策略和自适应调整等方法。对于车间调度过程中存在很多的不确定性，采用模糊理论表示车间调度的工序加工时间和交货期，研究了基于客户满意度的模糊遗传算法。而为了满足企业多品种多目标的要求，研究了不同目标函数对车间调度的影响及各种目标函数之间的关系，利用权重法对多目标模糊遗传算法进行研究。 车间作业调度问题的经典算例验证了改进遗传算法的有效性。基于顾客满意度的模糊遗传算法说明了模糊完工时间和模糊交货期之间的关系，实现了最优化客户满意度的车间调度问题。多目标算法在模糊遗传算法的基础上解决了目标函数之间的互相冲突问题，实现按照生产实际要求进行车间调度排产。 理论分析证明，改进的遗传算法解决了遗传算法中存在的局限性问题，目标函数能满足客户对车间调度现实问题的需要。以后研究应集中在将遗传算法同其它优化算法相结合，并对流水线车间调度及并行车间调度进行深入研究。