车间作业调度问题是制造系统的一个研究热点,在理论研究方面也是最为困难的问题之一。此问题具有约束性,非线性,不确定性和大规模性,已被证明调度问题是NP-Hard问题,很难求得最优解。人们研究和发展了多种优化算法来处理此类问题：比如模拟退火、遗传算法、禁忌搜索、神经网络等。这些优化方法模拟或运用自然现象、过程和规律,其理论涉及数学,物理,人工智能等多个学科。在车间作业调度的过程中,要根据生产目标和约束条件,为每个加工对象确定具体的加工路径以及各具体操作的执行机器和时间。传统的作业调度问题的描述是：n个工件(job)要在m台机器(machine)上加工,每个工件需要经过多道工序或者是包含多个操作(operation),每个操作只能够由某台特定机器上完成。问题的目标是求n个工件在每台机器上最优的加工顺序,使最大流程时间达到最小。当然还有其他一些变种,比如规定n个工件在m台机器上的加工顺序相同或不同。传统的作业调度一般假定对每个工件只有一个可行的加工方案,即作业处理计划中没有柔性,而在现在的制造系统中,出现了各种作业柔性。大多数作业具有大量的柔性加工方式和工序。即可以选择不同的工序序列来完成加工此工件,同时实现某个工序存在由多个机器的组成的集合。在本文中,将对这种出现在新的制造系统的作业调度问题运用共生遗传算法来进行计算。柔性作业调度问题(Flexible Job Scheduling Probelm, FJSP)是传统作业调度问题的扩展,也是现实中柔性制造系统所面临的问题。本文将柔性作业调度问题分解成为流程安排(Process Planning)和作业调度(Job Scheduling)两个子问题,然后为两个子问题分别设计了不同的染色体表示,并且提出一种共生算法将两个子问题放在一起进行求解。为了提高搜索效率,本文设计了基于邻域的多体交叉算子(NMX)。实验表明本文提出的共生算法能够很好地解决柔性作业调度问题。