随着信息时代的来临，生产制造已经转向以多品种、小批量为主要模式，柔性制造系统是因此而发展起来的一种自动化生产方式。合理的生产调度直接关系着柔性制造系统的产出效率和生产成本，是实现企业经济效益的必要条件。生产调度问题属于组合优化问题，难以用常规方法求解，近年来各种智能计算方法逐渐被引入到调度问题的求解当中。作为智能优化算法中的一个重要代表，遗传算法因其对于问题本身的弱依赖性、求解的非线性和鲁棒性、隐含并行性等特点，被广泛应用于组合优化问题的各个领域。本文基于遗传算法，对于柔性制造系统调度中的四个重要问题进行了深入的研究，利用VC++6.0编程实现各种改进算法，并利用不同规模的经典算例给出实例对比分析。 第一，研究了FlowShop调度问题，在给出一般假设条件和数学模型之后，设计了用于解决该问题的遗传操作算子、编码方式、适应度函数转换方式等算法要素，指出启发式算法与遗传算法的互补特性，结合两者各自的搜索优势提出了改进的遗传算法流程。 第二，探讨了JobShop调度问题，在建立数学模型之后引入了两种高级遗传算法——双种群遗传算法和自适应遗传算法来求解该问题，分析了两者存在的问题，提出改进思想并设计了一种改进自适应遗传算法。提出了两种新的遗传算子，并在此基础上结合多种改进手段设计了一种新的遗传算法流程求解JobShop问题。 第三，基于实际应用背景，研究了多资源约束调度问题。分析物理模型，指出实际系统的特点及所需解决问题，在物理模型的基础上建立了用于解决该问题的数学模型，提出设备间配合约束这一新的概念。设计了多资源问题的调度解码流程，并结合启发式分配规则和普通遗传算法提出了一种改进遗传算法对问题进行运算求解。 第四，较为深入的研究了柔性制造系统的负荷分配问题。讨论了经典的负荷分配问题，分析了该问题的假设条件并建立了相应的数学模型，从传统的优化算法入手，结合极大消去法和遗传算法，提出了一种新的-Ⅰ-混合遗传算法求解该问题；对于实际的负荷分配问题做出进一步分析，引入历史负荷和设备被选权重两个概念，改进了经典问题的数学模型，并运用混合遗传算法进行求解。