智能制造能够部分替代人类在制造过程中的脑力劳动,使生产智能化、高效化、个性化,是未来制造业的发展趋势。智能制造要求实现生产过程的智能化、透明化,然而如今中国许多制造行业企业的生产过程远达不到这一要求。虽然中国制造行业中许多企业使用ERP计划生产并将生产内容分配给每个车间,但是,ERP完成的生产计划仍然不够具体。当生产计划具体到车间级时,许多企业的生产计划仍然由人工完成,而没有使用ERP的制造业企业更是如此。这类人工完成的生产计划存在计划不够高效,造成机床空闲时间较高,生产计划不够透明导致企业不能准确估计生产进度等缺陷。为解决上述问题企业迫切需要一种车间级调度技术,因此,车间调度问题成为制造行业的一个热门课题。本文首先调研了国内外作业车间调度问题的研究现状,介绍了作业车间调度问题的常见模型以及问题的常用解决算法,之后了解了常用的机器学习方法。在解决车间调度问题的遗传算法上,针对车间调度问题求解空间大的特点,和遗传算法搜索能力不强又容易早熟的缺陷进行改进。通过使用神经网络对遗传算法迭代过程中的信息进行记录,进而指导遗传算法中种群的进化方向,优化遗传算法的搜索方向,提升求解质量。针对车间调度问题的两个分类,使用两个改进算法分别在MT06与Brandimarte data算例上进行对比测试,与传统的算法相比,该算法改进了遗传算法早熟的缺陷,拥有更高的求解质量,与领域内其他10个算法相比,在6个算例上取得最好解。