作业车间调度优化问题是企业生产制造系统中一类典型的优化问题,该问题是非常复杂的组合优化问题,通常是多目标、多约束、非线性、不确定性的问题,已被证明属于NP问题。有效的调度方法和优化算法的研究与应用,成功解决作业车间调度问题并优化生产调度计划,是实现企业先进制造和提高生产效益的基础和关键,不仅能提高企业设备的利用率、降低企业库存和成本,而且将为企业带来极大的经济效益。　　进化算法是人工智能特别是智能算法的一个子领域,其通用性和鲁棒性好,搜索能力强,能够克服古典算法的局限性,已被广泛应用于组合优化问题的求解。遗传算法是研究最为深入,应用面最广泛的一类进化算法。元胞遗传算法(cGA)将元胞自动机模型和遗传算法基本理论相结合,将种群中的个体分配于网格拓扑结构中,每个个体严格规定只能与其邻居结构内的个体进行遗传操作,从而进一步提高算法的局部搜索性能。为了更好地适应作业车间调度问题求解,本文针对基本元胞遗传算法的不足,提出了改进的元胞遗传算法。　　针对单目标优化问题,提出了改进的异步元胞遗传算法(acGA),采用测试函数对算法的性能进行测试,通过与其他算法进行比较,表明acGA算法拥有更好的收敛精度和更快的收敛速度。针对多目标优化问题,提出一种改进的差分多目标元胞遗传算法(DECell)。采用测试函数对算法的性能进行分析,算法性能指标测试结果表明DECell算法的收敛性、多样性和分布性要优于其他对比算法。　　针对非柔性作业车间调度问题(JSP),建立 JSP问题单目标优化数学模型。针对JSP的特点,设计了基于工序的编码和解码方式,针对该编码方式设计了合理的选择、交叉和变异算子。然后将acGA算法应用于JSP实例的求解,对比结果表明本文提出的acGA算法在求解JSP问题时具有明显的优势。针对柔性作业车间调度问题(FJSP),建立了FJSP问题多目标优化数学模型。针对FJSP的特点设计了基于工序的编码和基于机器分配的双层编码和解码方式,针对该双层编码方式设计了操作算子。然后将DECell算法应用于FJSP实例的求解,对比结果表明本文提出的DECell算法是一类求解多目标FJSP问题的有效算法。