在当今科学技术飞跃发展的背景下,智能制造业逐步发展为国家经济的支柱,代替了人类在工业工程上大部分的脑力和体力劳动。调度是智能制造业中的重要部分之一,能够为制造业带来高效率、低能耗和低成本的效益。在现如今的工业工程上,车间调度问题的优化研究已成为一大热点,有着非常重要的价值和意义。本文首先介绍了研究背景、车间调度的特点和国内外研究现状,然后描述了遗传算法的理论及实现技术,并分别对JSP、FJSP和多目标FJSP进行了研究。主要研究内容如下:(1)为了获得遗传算法在作业车间调度问题上最优解,提高算法迭代速度,对其改进方法进行了优化研究。以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速的获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业中加工生产。(2)同样是以工件的加工时间最短为目标建立柔性作业车间调度模型。在算法的编码上了采用了基于工序编码和机器编码相结合的一种方式,并提出了一种快速解码的方式进行解码。在选择操作上采用了锦标赛选择法,并结合了精英解保留策略,以防止较优解受到破坏。设计了以两种不同的方式进行种群初始化生成双种群机制方法。以基准案例MK01-10为对象进行实验仿真并获得问题解,实验结果已经接近或者达到已知的最优解,由此证明了此改进算法具有不错的问题求解能力。(3)在实际的柔性作业车间调度中,考虑减少成本花费和能量消耗的研究更具有实际意义。针对此问题,建立了以加工时间、成本和能耗为多目标的柔性作业车间调度,对遗传算法提出改进并对问题进行优化求解。提出了基于工序编码为扩展的方式进行编码,在选择操作上使用了轮盘赌与精英保留策略相结合的方式进行,提高了求解效率和质量。利用权重法的方式将多目标转化为单目标,降低了算法的难度。在算法中融入了局部搜索算法以改进对调度问题的优化求解。用两组实验对改进的遗传算法进行实验仿真,所求的实验结果证明了此改进的遗传算法具有高效可行性。