在新时代“加快建设制造强国”的方针下,我国制造企业面临着新的发展要求。日益增长的个性化需求和激烈的竞争环境促使制造企业需要采取一系列有效性措施以提高生产效率、改善客户服务质量和提升企业竞争力。生产调度是组织和执行生产进度计划的工作。机器能否可用决定了生产作业能否顺利进行,最终会影响生产计划的按时完成和客户对企业能否能按时交货的信赖度。因此,机器的可利用性对能否按要求完成生产调度目标起着决定性作用。在当今竞争激烈的市场下,为保证企业能够长期的生存和发展,企业在考虑客户需求满意度最大化的同时还要考虑企业自身成本最小化。因此,在结合实际生产环境和企业要求的基础上研究含机器可利用性约束的双目标车间调度优化问题,对生产调度的管理和控制方面具有实际和理论意义。本文提出了一种改进的遗传算法,基于该算法以求解含机器可利用性约束和双目标特征的两种车间调度问题,相关的主要研究内容分为以下三部分:首先,设计了一种改进遗传算法以提高智能优化算法在解决车间调度优化问题的求解能力和效果。设计基于工件序列的整数编码方案以及基于机器的解码方案。为提高初始种群的质量,采用由CDS启发式算法和随机规则组成的两阶段程序产生初始种群,进而采用自适应交叉、变异算子获取遗传算法解;为扩大搜索范围和改进解的质量,提出了基于两两交换、单工件插入、多工件插入的三种邻域搜索机制以执行局域搜索,从而得到改进的问题近优解。其次,研究了含机器可利用性的双目标置换流水车间调度优化问题,以最小化总加权完工时间和总加权拖期为优化目标,建立相应的数学规划模型,利用上述改进的遗传算法进行求解。对不同规模问题进行仿真实验和对比分析,结果说明了所提出的改进遗传算法能够有效求解含机器可利用性的双目标置换流水车间调度问题。最后,研究了含机器可利用性的双目标混合流水车间调度优化问题,以同时最小化提前和拖期。考虑机器可利用性、工件释放时间、先到达先加工等约束,建立整数规划模型。将上述改进遗传算法的应用推广至求解该混合流水车间调度优化问题中。通过对大量随机数据的仿真实验表明,上述改进遗传算法在平均73.79s内相对于其他算法的目标改进率分别为8.31%、7.39%、4.28%。这也说明了设计的改进遗传算法应用于混合流水车间时,也能表现出更好的求解性能。