在制造业行业中,如何在提高自身生产效率的同时降低生产成本,最大限度地提高设备利用率,合理调整生产资源配置,一直是企业为了创造更大收益需要统筹兼顾的问题。生产调度问题作为企业生产管理的核心内容之一,柔性作业车间调度问题(Flexible Job-Shop Scheduling Problem,FJSP)是很多实际生产调度问题的简化模型,由于它更接近生产的实际情况,使它成为目前国内外调度领域的研究重点。本文旨在基于差分进化算法对FJSP求解来进行研究,主要的内容如下:首先为解决差分进化算法(Differential evolution,DE)易陷入局部收敛以及寻优能力较弱的缺点,在算法进化期间调整其控制参数,将反向学习(Opposition-Based Learning,OBL)机制与差分进化算法融合。该算法结合OBL在初始化阶段同时评估当前个体与其反向个体,产生反向种群,然后在种群初始化和待进化阶段,选取两者中最优的种群继续迭代,通过对更多有效区域的搜索来引导个体朝着种群最优点进化,增强算法的寻优能力;其次,在个体进化陷入停滞阶段,以一定概率引入高斯变异,提出一种新的个体变异方式,及时修正个体进化行为。帮助个体逃离局部最优点。提高单个个体的开发能力,均衡算法的全局与局部寻优能力。最后,算法通过对标准的测试函数进行了反复测试及比较,表明改进后的算法在测试函数上相比其他优化算法具有一定的优势。同时为证明算法存在的现实意义,结合本文改进差分进化算法以某机加工分厂的实际生产车间为现实背景,开发车间调度系统,取得了较好的实际应用效果。