车间作业调度问题是典型的组合优化问题，是生产调度问题的一个重要分支。目前，对车间作业调度问题的研究已经受到了研究者们的广泛关注，并取得了较大发展，同时也存在很多不足。本文对车间作业调度问题进行了系统的研究，所取得的主要研究成果为：1.为了更有效地求解车间作业调度问题，提出了一种改进的混合遗传算法。其中，设计了基于适应度值和浓度值的混合选择算子来增加种群的多样性并阻止算法出现“早熟”现象。根据车间作业调度问题的图论模型，设计了基于机器的交叉算子和基于关键路径的变异算子来提高算法的全局搜索能力和收敛速度，并提出了一种有效的求解关键路径的新方法；设计了一种局部搜索算子来提高算法的局部搜索能力。基于这些遗传算子，最终提出了一种改进的混合遗传算法，并证明了其收敛性。通过大量的数据实验，验证了提出的改进的混合遗传算法的优越性。2.对于车间作业调度问题，同时考虑了工件的完成情况及库存容量，建立了以最大完成时间最小及库存容量最小为目标的多目标车间作业调度模型。为了求解所提出的模型，设计了一种基于关键路径的交叉算子。为了提高算法的局部搜索能力，设计了一种新的局部搜索算子。基于这些遗传算子，提出了一种混合遗传算法。最后，通过大量的数据试验验证了提出的混合遗传算法的性能。3.基本遗传算法的核心理论是模式定理和收敛性理论。传统的模式定理使用了二进制编码方法并给予了证明，而本文使用的是基于工序的编码方法，属于有限字符集编码。因此，本文针对一些具有代表性的遗传算子，证明了基于有限字符集编码下的模式定理。结果表明基于有限字符集编码的遗传算法中阶次低，定义长度短且适应度值超过平均适应度值的模式的数目将以指数级增长。4.对于车间作业调度问题，同时考虑了工件的完成情况和机器的运行状况，建立了以最大完成时间最小和平均连续加工时间最小为目标的多目标车间作业调度模型。并用改进的混合遗传算法进行了求解。最后通过大量的实验验证了算法的有效性。