Job Shop 调度问题(简称JSP)是具有特殊工件特性和加工环境的最典型和最重要的调度问题，是许多实际生产调度问题的简化。JSP属于NP-Hard问题，它的搜索空间随着工件和机器的增加而增大，传统的调度方法难以对它进行高效高质量的求解，因此研究者希望采用一种全局搜索方法来解决此问题。 遗传算法(Genetic Algorithms，GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应的全局优化概率搜索算法，它具有简单通用、鲁棒性强、智能性及并行性等优点。本文采用GA对JSP进行了较深入的研究，并在基本GA的基础上，对算法进行了改进，具有一定的理论意义和实用价值。 本文的主要研究内容如下： 第1章在对大量相关文献进行总结提炼的基础上，概述了JSP的研究价值及研究现状，总结了目前使用的一些调度算法，并指出了研究中存在的不足。本章还阐明了论文的研究背景、意义以及选题理由。 第2章对遗传算法进行了简要介绍，分析了遗传算法的特点及基本操作。在给出JSP的基本概念和描述方式的基础上，对如何针对JSP进行遗传算法编码作了详细的讨论。 第3章在基本遗传算法的基础上提出了一种求解JSP的改进算法。本章针对JSP的特点，改进了现有的活动化解码算法，设计了一种新的交叉算子；将局部搜索算法和遗传算法中的变异算子相结合，扩大了搜索空间；最后对改进算法设计了仿真实验，通过对实验结果的分析证明了这一改进算法的可行性和有效性。 第4 章给出了一个遗传算法结合禁忌搜索的混合算法。首先对禁忌搜索算法进行了描述；接着通过对禁忌搜索算法与遗传算法的分析，设计了混合算法的具体步骤；最后通过仿真实验证实了这种混合算法的优势。实验结果表明这一算法应用于JSP有一定的实际意义。 第5章总结了全文所做的主要工作和创新点，分析了研究中的不足，并对未来的研究作了展望。