生产调度是机械产品生产中一个很重要的环节,直接关系到产品的生产周期、生产成本和企业的生存能力。优秀的生产调度方案可以使企业合理地分配各种生产资源,降低生产成本,实现准时化生产,提高市场竞争力。以往对生产调度的研究大部分集中在作业车间调度JSP(Job-shop Scheduling Problem)上,未考虑产品的装配问题。而现在的机械产品基本上都是装配型产品,生产调度时必须要考虑机械产品的装配约束,这就衍生出另一种调度问题——装配作业车间调度问题AJSP(Assembly Job-shop SchedulingProblem),而国内外针对AJSP的研究却较少。本文针对AJSP的相关算法进行研究,将机械产品的装配约束考虑在内,具有很强的实际意义。另外,装配强约束的存在使问题的建模和算子的设计都具有很大的难度,因此本文的研究也具有较大的理论价值。本文首先通过建立数学模型详细地描述了AJSP问题,给出典型的装配结构和装配约束关系,对遗传算法(GA,Genetic Algorithm)的关键技术、进化参数等进行概述,确定本文的染色体编码方案和选择算子,并设计了几种不同类型的适应度函数。然后提出两种AJSP的遗传算法:AJSP的全空间遗传算法和AJSP的可行域遗传算法(FSSGA,Feasible Solution Space Genetic Algorithm)。AJSP的全空间遗传算法的难点在于不可行染色体修复算子的设计。本文提出两种新的修复算子——自上而下调整法TDRA(Top-Down Recursively Adjustment)和基于父项链表的基因交换法GE(Genes ExchangeBased on Father Link-List)。二者和文献中的基于设计结构矩阵DSM(Design StructureMatrix)的修复算子在信息熵损、染色体图谱等方面进行详细地比较,结果显示TDRA和GE比DSM更能保持种群的多样性。随后的GA实验结果也表明GA运用TDRA和GE两种算子比运用DSM的确有更好的进化表现。然后对解空间大小进行分析,提出了解空间大小计算方法,计算结果表明AJSP的可行解空间远比全空间要小,基于此结果提出了可行域遗传算法,并设计相应的可行域遗传算子来支撑可行域遗传算法,减少了搜索空间,省去修复解码操作,从而大大提高搜索效率。另外,分别进行了大规模算例实验、文献算例对比实验和工程实例实验等验证实验。最后,针对新算法和算子进行的一系列实验均得到了很好的实验结果。其中修复算子对比实验的实验结果证明两个新修复算子能更好地保持种群多样性,有利于GA进化寻优,GA实验结果表明全空间遗传算法在AJSP上具有很好的可行性和寻优性。算法对比实验和最后的文献算例对比实验结果都证明了可行域遗传算法在性能和质量上都优于其他算法。工程实例实验结果表明所设计的算法能较好地应用于实际情况。