车间调度问题是计算机集成制造系统工程中的一个重要组成部分,它对企业的生产和管理有着重要的影响。随着全球经济的发展,市场竞争越来越激烈,制造型企业必须根据市场的变化快速地做出反应,能够以最小的资源消耗、最快的生产速度产出高质量的产品。以往车间调度系统只能适应某个具体车间环境且只能得到时间最短、设备负荷平衡一般的调度方案,这将严重影响企业的发展。本文针对以往车间调度的缺点设计并实现通用的多目标车间调度系统,这就需要一个高效的优化调度算法。许多制造业提出的调度问题非常复杂,难以用传统的优化方法解决。近年来,遗传算法作为求解车间调度的一种优化算法,受到了广大学者的研究。本文对遗传算法进行了大量的研究和分析,发现传统的遗传算法解决车间调度问题存在局部收敛和搜索速度慢的问题,针对该问题提出了一种改进的小生境遗传算法。新算法采用动态的方法确定小生境的距离参数,有利于种群的每代个体形成较好的小生境环境;利用等位基因对比的方法判断距离参数之内的个体是否相似,避免了最优个体被淘汰,提高了算法的搜索效率。算法初始种群的产生利用了本文提出的小生境技术,初始种群的平均适应度高,有利于算法向着问题解的方向快速搜索。通过多目标优化测试函数和实际车间生产模型证明了新算法的有效性和高效性。新算法能够成功地搜索到问题的最优解或Pareto解集。针对某工厂的实际问题,本文设计并实现了基于.net技术的混合生产形态下的多目标车间调度系统,并用新算法对实际车间调度问题进行求解,能得到加工时间、加工成本、提前时间和延期时间4个优化目标的Pareto解集,得到的结果是可行有效的。