作业车间调度是制造系统生产过程中的一个重要组成部分。合理的调度方法与优化技术的研究和应用对提高企业的生产效率、减少生产损耗、增强资源优化配置能力有着重要的作用。因此车间调度问题越来越受到学者们的关注。本文对遗传算法进行了研究和改进,并将改进后的遗传算法应用于作业车间静态调度问题的求解,获得满意的结果；研究了基于事件驱动和基于周期性与事件驱动的作业车间动态调度策略,结合粗集理论的分类特性和上下近似特性,进一步研究了作业车间的动态调度策略。首先,本文介绍了作业车间调度的研究背景和意义,分析了国内外对车间调度问题进行研究的方法与存在的问题,探讨了车间调度的发展趋势。其次,阐述了遗传算法的基本概念、原理和基本操作,对作业车间调度问题进行了数学描述,建立了一般的车间静态调度模型,针对遗传算子进行了改进,对编码解码、初始种群的产生、适应值函数等进行了设计,并使用改进后的遗传算法实现了车间静态调度,仿真结果表明了改进算法的有效性和正确性。再次,研究了作业车间的动态调度问题,并使用改进的遗传算法分别对基于事件驱动和基于周期性驱动与事件驱动混合的再调度问题进行建模与仿真。实验结果表明该算法能大大减小调度问题的求解规模,获得满意的调度结果。最后,研究了粗集理论在车间动态调度建模中的应用。根据粗集的分类特性和上下近似特性,提出了基于粗集的车间动态粗调度窗口工件识别方法,建立了车间动态粗调度模型,并利用改进的遗传算法对该模型进行仿真验证。仿真结果表明,基于遗传算法的动态粗调度算法不仅能适应动态的加工环境,获得满意的调度结果,还能有效地减少再调度次数,提高整个动态调度系统的稳定性。