在经济全球化的大背景下,制造业的发展不可忽视,必须与时俱进。制造企业要想快速发展就必须满足客户对产品需求的智能化、多元化,还需要满足订单的定制化和个性化。车间生产调度是企业满足这些条件所必需的环节,柔性作业车间调度问题更是关系到企业生产任务能否科学有效的及时完成,设备资源的利用效率是否高效,企业生产成本是否最低。为了解决当前企业生产计划不够高效、设备资源利用率不高,车间生产调度过程中许多不确定因素影响生产计划的实施等问题,作业车间的生产调度尤其是柔性作业车间的调度问题越来越受到企业的重视。本文以柔性作业车间调度问题（Flexible Job Shop Scheduling Problem,FJSP）为研究对象,首先对传统FJSP分别采用遗传算法（Genetic Algorithm,GA）以及非支配排序遗传算法（Non-Dominated Sorting Genetic Algorithm-II,NSGA-II）进行求解,提出方法改进,再针对企业生产需求的变化对实际生产的影响,提出改进方法以解决企业的变化性需求。文章主要研究内容如下:1、首先对于传统单目标FJSP,本文以传统GA算法为求解基础,引入教学优化算法（Teaching-learning-based optimization,TLBO）相关理论以改善算法性能,提出一种改进的TGA用于求解该问题。对于传统GA固有进化方式提出改进,以TLBO理论提出一种新的进化方式,整体采用传统交叉与教学式交叉相结合的交叉方式,提高改进算法求解效率,在此基础上引入基于适应度值的参数自适应,通过交叉和变异的自适应来进一步改进算法的求解性能。引用相关案例,进行算法仿真求解,改进TGA结果优于GA18.2%,优于HGBA10%,其数据表明本文TGA求解FJSP有一定的优越性。2、基于对当下生产制造类企业的现状分析,针对企业不同生产需求对于调度的影响,提出需求变化的FJSP,为了应对这类问题,本文提出一种可调节的权值分配算法,以求解该问题。把传统GA与NSGA-II结合起来,结合多目标算法的编码解码方式,首先确定需要求解的调度问题,采用适应度值的形式来区分不同个体的优劣,再通过权值分配的方式,把多个调度目标转化为单个调度目标,然后以GA进化方式求解,再与传统NSGA-II比较,完工时间优化了15.73%,其余指数基本相同,可以得出其求解存在局部优越性。再根据企业加工需求调整权值,求解相关实例,将其结果与平均均值解以及传统解对比,可得出其在需求目标上可得出更优解,更加符合企业实际需求。3、在单目标FJSP基础上,接着对传统多目标FJSP进行求解,以该问题为研究基础,把NSGA-II作为求解方法,针对传统NSGA-II算法求解精度不足等问题,对算法采用的双层编码,使用不同的交叉变异组合,采用改进的精英交叉策略与改进的插入变异来作为工序链的进化方式,对于机器链,采用改进的交叉与定向变异来更新进化,并加入自适应策略。对于算法的精英保留策略做出调整,使其更加适合改进后的算法求解。使用具体案例,将改进后的NSGA-II算法结果与传统结果以及前文结果对比,验证算法性能。最后,对以上研究内容进行总结,提出结论。