近年来,不确定性作业车间调度问题引起了研究者的广泛关注。不确定因素的引入大大增加了对生产调度问题的分析和建模的难度。但是,同时对不确定条件下的作业车间调度问题的研究更加贴近于生产实际,对实际生产优化更具指导作用。因此,对该问题的研究是非常必要的,在理论上和实际生产上都具有广泛的实用性和重要的意义。在对不确定性作业车间调度问题的研究过程中,对问题建模和寻求问题的优化方法是研究工作中的两个重要组成部分。对不确定性作业车间调度问题的建模有很多的方法。近年来,模糊理论开始应用于车间调度领域。由于Job shop调度问题本身存在的一些模糊特征,模糊理论非常适合用于对Jobshop调度问题进行建模。目前,应用模糊数表示和处理不确定参数问题的研究已经获得了调度领域的广泛关注。在车间调度问题的优化方法中,遗传算法以其通用性强,算法简单等特点被研究者广泛关注和应用。但是,遗传算法在应用的过程当中总是不可避免的出现早熟收敛的现象。针对这个问题,本文用模糊理论对时间不确定作业车间调度问题进行建模,并设计了一种改进的遗传算法。该算法在解码阶段引入了冲突消解机制,能迅速提高每一代种群中染色体的质量,加快染色体的进化速度。在种群迭代的后期引入带有排挤机制的小生境技术,有效的维持了种群的多样性,避免了算法的早熟收敛。增强了算法的整体性能。最后,给出的实例证明了算法的有效性。