生产调度作为一个关键模块，是整个先进生产制造系统实现管理技术、运筹技术、优化技术、自动化与计算机技术发展的核心。有效的调度方法和优化技术的研究与应用，是实现先进制造和提高生产效益的基础和关键[1]。遗传算法作为应用最广泛的进化计算方法之一，在调度的优化研究方面具有不可替代的优势。针对生产调度中典型的作业车间调度问题(Job-Shop Scheduling Problem)，在对标准遗传算法深入研究的基础上，本文提出了一种改进的双倍体遗传算法。该算法结构所提供的冗余记忆能力使得生物不宜忘记以前的环境变化过程中所学会的知识，能表现出更强的自适应环境的能力，动态跟踪能力强。同时算法针对以往出现的过于单一不变的更新方式，使得优化过程中出现对不同阶段的多样性和收敛性的不同要求难以得到兼顾的问题，采用自适应的交叉变异策略来有效解决多变的阶段要求。通过对标准遗传算法、原有双倍体遗传算法和改进双倍体遗传算法的函数测试比较和作业车间调度实例比较，有效地证明了改进算法的优越性和其在求解多维、动态、复杂问题时所表现出的良好性能。最后通过编写作业车间调度实例测试平台，验证了改进双倍体遗传算法的特点和优点。