我国虽然是一个制造大国，但制造业水平与世界一流的制造强国比起来还有差距。抛开一些人力成本的因素不谈，我国的制造业资源管理水平还未达到一流，同时过程管理也有很大差距。这些除了影响生产效率，从而直接影响企业利益外，还会对产品的质量也产生一定的影响，对于企业进一步提升品牌有很大的影响。车间调度是制造过程中的一个重要环节，属于一个典型的调度问题，同时也属于组合优化的问题。车间调度问题的解决具有高度的复杂性，不同的生产领域可能会面临不同的车间调度问题，针对实际生产线进行调度优化具有实际的应用价值，现实意义很强。本文首先对车间调度问题的发展及遗传算法应用于解决车间调度算法进行了简单的描述。接下来对车间调度问题，及车间调度问题的系统进行介绍，同时对遗传算法的相关内容及遗传算法应用于车间调度存在的问题进行介绍。结合对现有遗传算法应用于车间调度的研究，提出现有研究的不足以及对遗传算法进行改进应用于车间调度问题。利用改进后算法设计与实现车间调度系统，最后对实际改进后的算法效果进行分析并总结问题。基于改进的遗传算法实现的车间调度系统在设计过程中利用UML统一建模语言，实现利用C++语言，在VS2013平台中完成系统构建。具体的算法改进步骤可以分为以下几步：1.对控制参数设定中的交叉概率、变异概率的设定方式进行改进。引入Srinvas等人提出的自适应策略，各处交叉概率及变异概率随适应度动态非线性的变化过程。解决固定交叉概率、变异概率可能带来的局部最优解或收敛过慢的问题。2.对个体编码方式进行改进，使用格雷码的编码方式。格雷码是对二进制编码方式的改进。格雷码相较于二进制编码能够加强局部能力，同时又不损失二进制编码的操作容易性。3.增加保留算子，避免了最优解在交叉和变异中丢失的情况。通过增加保留算子，对种群中优势极大的个体进行保留。也就是种群中优势极大，其适应度超过保留算子的个体可以不经过交叉与变异，直接进入下一代。4.对交叉方式进行了改进，结合多点交叉方式和一致交叉方式，给出改进的交叉操作方式。改进后的交叉方法避免了多点交叉算法基因交叉在整个染色体上的不均匀，也不存在一致交叉方法中的计算量大的问题。是一种性能较好的交叉方法。