车间作业调度问题(Job-Shop Scheduling Problem简称JSP)是制造执行系统研究的核心和重点之一,它对于提高企业的资源利用率、提高产品的总体质量、缩短产品的交货期、降低生产成本、提高企业在市场经济中的竞争力具有非常重要的意义。由于实际车间作业调度问题具有复杂性、动态随机性、约束性、多目标性等特点,因此受到学术界和工业界的广泛关注。研究表明,车间作业调度问题属于NP-hard问题,不存在精确的最优求解算法,只能求得其近似最优解。遗传算法(Genetic Algorithm简称GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,是一类全局优化搜索算法。遗传算法以其简单通用性、强鲁棒性、并行处理能力强、搜索全局最优解速度快等显著特点,被广泛运用于NP问题的求解。将遗传算法应用于车间作业调度问题,可以利用其强大的全局搜索能力,在大规模的解空间中寻找最优解;同时,利用遗传算法具有的隐式并行处理能力和强鲁棒性等特点,可以尽可能的减少问题的求解时间,提高求解效率。但是,遗传算法在解决车间作业调度问题中存在着明显的不足,容易在收敛过程中得到局部最优解。因此,本论文针对遗传算法的不足,引入了模拟退火算法,根据两者的优缺点把两者结合起来,提出了混合遗传算法(Hybrid—Genetic Algorithm)的思想。通过设计两种算法的结合方式,充分利用两者的优点,避免各自的不足,增强了遗传算法的局部搜索能力,提高了算法的效率;接着结合实际车间作业调度生产中可能出现的具体问题,将所设计的混合遗传算法应用于实际的调度问题中,设计出解决车间作业调度问题的混合遗传算法的编码方式以及对应的遗传算子,并且详细介绍了所设计的遗传算法与模拟退火算法的结合方式。最后提出了车间作业调度系统的设计思想,并以主要代码和界面截图展示了系统。