当前，是一个竞争激烈和信息技术飞速发展的时代，市场竞争越来越激烈，企业面临着更多挑战，中国正以制造业大国的身份迅速崛起，应变速度、降低成本、以及较高的生产能力和效率成为企业生存和发展最主要的竞争要素。此外，有效的调度方法已经成为先进制造技术实践的基础和关键，所以对它的研究具有十分重要的理论和实用价值。 作业车间调度问题是许多实际生产调度问题的简化模型，是一个典型的NP-hard问题，因此其研究具有重要的理论意义和工程价值，它也是目前研究最广泛的一类典型调度问题。该问题的复杂性决定了随着调度问题规模的增大，求解时搜索空间的范围也随之扩大，求解的计算量呈指数增长。这就要求在求解作业车间调度问题的过程中必须保证个体的多样性，除了能够实现问题的全局优化外，还能提高寻求到最优调度解的几率，缩短最优解的搜索时间。 本文提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic Algorithm，简称IPGA)，将改进的伪并行算法与标准遗传算法伪并行操作(采用并行思想，在同一台机器上完成操作)，保证了种群多样性，防止局部早熟收敛；改进算法对部分遗传算子做了改进，采用分段-迭代交叉，多父代产生多子代，让多个染色体中优秀基因段组合产生子代，大大加快收敛速度；设定一个精英个体序列库，防止最优解的丢失。 在变异过程中引入混沌理论，对较优个体的变异过程中引入一个混沌小扰动，并把混沌运动的遍历范围“放大”到优化变量的取值范围，通过一代代地不断进化，收敛到一个最适合环境的个体上，求得问题的最优解。