随着市场竞争的日趋激烈，每个企业都在寻求较好的生产与运作管理方案，以提高企业的生产、经营和管理效率，从而提高企业的核心竞争优势。而生产与运作管理的核心是生产作业调度问题能否高效地获得优化解，因此，研究生产作业调度问题具有很大的理论意义和现实价值。 本文详细介绍了生产作业调度问题的目标、类型及研究现状，并着重就流水型作业调度问题的研究现状和该类问题的数学模型与相关算法，如启发式方法、进化算法、邻域搜索方法等进行了探讨，指出了存在的问题。然后对解决组合优化问题的遗传算法的序号编码和基于序号的遗传算子进行了总结和概括，最后综述了几类典型生产调度问题的遗传优化研究情况。 在论述了遗传算法的思想、与传统搜索算法的比较优势、遗传算法的基本特征和遗传算法的理论基础(包括模式定理、隐含并行性、基因块假设、欺骗问题和收敛性定理)后，重点探讨了遗传算法在Flow Shop调度问题中的潜力和有效性；结合启发式规则，提出了一个改进的遗传算法—基于启发式规则的有序遗传算法，新算法在初始种群中引入了启发式算法的解，在种群结构上采用了先按适应值优劣排序再分段确定选择概率的新策略，使优质个体有更多的杂交机会，在变异中设计了变异控制规则，以防种群单一化，而陷入局部优化解。通过对不同规模的实例进行计算机模拟，结果表明算法对求解Flow Shop排序问题具有全局搜索优势，获得了群体优化解。 在分析不同移动方式对生产实际和投产顺序的影响的基础上，构建了在平行顺序移动方式下Flow Shop调度问题的数学模型；然后论述了混合算法的结构形式和三种算法的优缺点，给出了基于遗传算法的混合优化策略和相应的结构流程；考虑到遗传算法本身存在的“早熟收敛”和局部搜索能力较差等问题，把模拟退火过程与种群进化过程结合起来，提出了基于启发式规则和模拟退火的自适应混合遗传优化算法。并用该算法对平行顺序移动方式下Flow Shop调度问题进行模拟计算，结果表明，遗传算法的早收敛现象得到遏制，解的质量有所提高。 在平行顺序移动方式下Flow Shop调度问题的工件完工时间的计算模型基础上，分析了带固定交货期和模糊交货期时该问题的工件完工时间的隶属函数，及总拖期最小化和总满意度最大化这两个目标函数的相互关系，指出前者 西南交通大学博士研究生学位论文 第＊页问题是后者问题的一个子集，用每个工件模糊交货期的隶属函数表示决策者对该工件完工时间的满意度，以总满意度为目标函数，相应地建立了该问题下带模糊交货期的数学模型，设计了一个基于遗传算法的计算机模拟系统进行仿真试验，结果是令人满意的。 讨论了两工序成组生产系统的生产量与作业顺序的优化问题，考虑了组问平行、组内平行顺序的工件移动方式，通过扩展该模型建立了成组流水线上多品种多工序加工时生产计划和调度的集成模型，从计算智能优化的角度，提出了一种二进制编码与有序编码相结合的二层次遗传优化方法。实例模拟结果表明：该二层次遗传优化方法能综合考虑生产量和生产顺序，并能有效地求得整数优化解。 在前期研究成果和相关领域中其他学者的研究成果的基础上，提出了一个用软计算方法解决生产作业调度问题的优化调度系统，作为一个新的研究领域，本文主要总结了调度问题从基于数学模型的静态系统向基于问题的动态系统转变的必然趋势，提出了一个遗传算法与专家系统相结合的方案，讨论了基于遗传算法的智能化专家调度系统的系统结构及工作机制。 最后，讨论了生产作业调度问题的进一步研究方向。