车间调度系统是连接制造企业上层计划与生产执行环节的关键。随着全球化进程的加速以及市场竞争的愈加激烈,该问题越来越被人们所关注。优化的调度方案可以在现有资源不变基础上提高生产效率,从而提高企业竞争力。车间调度问题同时还是战场抢修等其他领域问题的通用问题模型,并被证明是NP难度问题,难以使用一般优化方法进行求解。因此对于求解车间调度问题的研究具有重要的实际意义。论文对当前被广泛用于求解车间调度问题的遗传算法进行深入研究,分析发现在应用传统遗传算法以及现有的一些改进方法进行求解计算时存在着容易陷入局部最优和收敛速度慢的缺点。论文针对该问题提出应用并行结构、多种群的方式对遗传算法进行改进。改进算法融合了等级评估制度以及移民策略,可以使适应值高的个体进入精英种群受到保护,同时加大平民种群的交叉概率、变异概率,用以产生更多的新个体,移民策略则解决了种群在进化过程中种群多样性降低的问题。由于现实车间加工环境的不确定性和动态性,仅针对静态车间调度问题进行求解已经不能满足现实生产需要。一旦生产条件发生了变化、出现了动态事件,原调度方案则不再适用。针对此问题论文进而对动态调度问题进行研究,以解决在生产过程中出现动态事件后如何再调度的问题。设计了模块化车间动态调度系统,通过动态数据库模块、GA模块、方案下载模块之间的协作对动态事件进行数据编写、计算继而生成重调度方案。通过判断新方案中机器的最早访问时间、被打断工件的最早加工时间,可将新方案与原调度方案有效衔接起来,避免了工序干涉问题。在应用方面,首先应用标准车间调度问题对所构建两种算法分别进行验证,实验结果表明,与其它三种单一种群遗传算法相比,所构建多种群遗传算法具有更高的收敛概率和更快的收敛速度,且计算过程更加稳定可靠。其次将多种群遗传算法应用于动态调度系统中,来求解在生产环境变化时的调度问题。通过模拟实验对模块化动态调度系统进行验证,实验结果表明,该系统可以快速、有效地解决动态调度问题。