随着生产全球化和制造企业的规模化,分布式生产调度在各个大型制造企业中广泛应用,成为车间调度研究领域的重点研究问题。分布式车间调度问题的目标是在各约束条件下,对工件进行合理的分配和排序,实现期望的绩效目标。然而,分布式车间调度问题的理论研究较少,分布式车间调度问题的整数线性规划模型需要完善,用于解决分布式车间调度问题的算法也十分有限,易过早的陷入局部最优。为了使分布式调度问题最大完工时间最短,有效地解决分布式生产车间调度问题,本文将改进遗传算法用于解决分布式工作车间调度问题。首先,按照最早完工的原则运用K-means方法对工件进行聚类,然后将聚类后的工件均匀地分配到各个车间内,再混合运用NEH和随机两种方式对分配到车间内的工件进行排序,完成对种群的初始化。然后,计算适应度并挑选精英染色体,根据挑选出精英染色体构建并更新概率矩阵,按照区块的组成规则挖掘区块形成区块库,依据区块库和概率矩阵中的信息运用轮盘赌的方式构建人工染色体,将人工染色体注入到人工染色体中。通过基于工厂层次的染色体片段交叉和跨越工厂基于工件排序的染色体片段交叉两种方法对基因进行重组,提高解的多样性。为验证算法的寻优性,将实验结果与其他众所周知的进化算法进行比较,证明所提出算法的有效性。