我国制造业面临着巨大的冲击和挑战,亟需加强产业链上下游企业的协作,在技术、管理和信息化建设方面进行升级,采用先进的制造理念和管理模式来提升企业竞争力。基于约束的高级计划和排程(APS)技术是真正的供应链优化引擎,能改善企业的整体管理水平,快速反应与适应竞争激烈且变化多端的市场,APS已成为支持企业协同计划最主要的手段之一。本文以APS系统中的若干问题为背景研究了遗传算法在其中的应用。通过对一些已有方法进行分析和比较,找到其不足并提出改进,给出更有效的解决方法,并对所提出的方法进行了实验验证。针对一个支持机器外包的APS问题给出一个改进的结合局部搜索的混合遗传算法LSHGA。提出松弛作业顺序的工序序列生成策略,提出基于邻域搜索的变异算子。针对一个集成资源选择和工序排序的多目标APS问题,提出一个有效的多目标遗传算法Y-MOGA。该算法基于非支配排序的概念寻找Pareto最优解集的近似,并给出规范化拥挤距离作为辅助排序标准;提出一个局部搜索过程对新产生的非支配解集进一步寻优。针对一个两阶段运输问题,提出一个两种群协同进化算法TPCEA。针对两个运输阶段,对比并找到一种最优的启发式方法组合,用于在解码过程中计算成本函数;提出一个基于两种群协同进化的选择方法,从可行域和不可行域两个方向同时搜索最优解。本文的研究工作预期对APS领域的研究起到一定推进作用,也为求解实际问题提供了几种可能的新方法,具有一定的理论意义和实际应用价值。