并行工程(concurrent engineering,CE)、敏捷制造(agile manufacture-ing,AM)、虚拟制造(virtual manufacturing,VM),网络化制造(netmanufacturing,NM)等作为现代化企业主导的先进制造模式,其目的是要以最低的成本制造出顾客满意的产品。在这些制造模式下如何运用有限的资源,降低产品的生产成本,缩短产品的制造周期,保证按时交货,提高企业信誉,赢得更多客户,合理的调度方法与优化技术成为制约以上目标实现的关键因素,因而车间调度问题也越来越受到学者们的关注。遗传算法(Genetic Algoirthm,GA)是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,因其对优化模型的依耐性不强、求解问题的简单性和鲁棒性等特点被广泛应用于制造业的各个领域。本文在对遗传算法进行改进的基础上,围绕混合车间的调度问题进行了研究。本文主要作了如下工作:文章回顾和总结了车间生产调度问题发展的概况,以遗传算法为线索,以制造系统调度问题及其相关问题为背景,阐述了遗传算法调度问题及其相关问题的数学模型;首先针对JIT作业车间多种工艺路线的工件调度问题,考虑到生产过程中受许多因素的影响,采用多目标分层协调策略,建立了柔性多目标函数模型,在混合遗传算法与拉格朗日松弛算法结合的基础上,提出一种混合改进算法,利用遗传算法更新拉格朗日乘子得到问题的最优解,仿真实例验证了该模型与求解方法是现实可行的;其次针对具有多种工艺路线的混合柔性流水车间最小完工时间问题,结合生产工艺计划与车间调度系统的集成原理,建立了目标模型,通过将简单遗传算法加以改进,对算法进行研究,把改进后的遗传算法(SGA)和模拟退火算法(SA)有机结合,优化了算法的融合机制和互补结构,形成了较为高效的混合优化算法,使问题得到求解,给出具体算例,验证算法的有效性和先进性。另外结合面向对象的方法,基于组件和线程技术,设计了一个应用于实际生产的优化调度系统模块,介绍了调度系统基于多层次B/S结构的系统结构,并对系统的业务逻辑作了详细阐述,说明了生产调度管理系统的数据库开发过程;本文最后对下一步基于改进遗传算法的混合车间生产调度问题将要进行的工作进行了展望。