本文研究了遗传算法的改进问题，将改进后的遗传算法应用于车间调度问题的求解，获得了满意的结果；研究了粗集理论(rough sets)在生产车间动态调度中的应用，在生产车间动态加工环境下，当有影响加工过程的实时事件发生时，必须对实时事件进行处理，静态调度不能适应动态加工环境的变化，本论文基于粗集理论，与调度专家经验相结合，研究了动态调度窗口中调度工件的识别和调度问题，提出了相应的车间动态调度窗口工件识别方法，建立了基于粗集理论的车间动态调度模型，并基于改进后的遗传算法求解所建立的动态调度模型。仿真结果验证：与传统动态调度方法相比较，该方法不仅能够减少再调度次数和提高动态调度的稳定性，而且能获得满意的调度结果。本文的主要工作和创新点如下：1、阐述了车间调度的概念和意义，建立了一般的车间静态和动态调度模型。改进了遗传算法，使用改进后的遗传算法求解了调度模型，仿真实验结果表明了改进算法的有效性。2、研究了粗集理论在车间动态调度建模中的应用。基于粗集的分类特性、条件属性、决策表和近似特性，提出了基于粗集的车间动态粗调度窗口工件识别方法，提出了基于粗集理论的工件决策表约简规则，建立了车间动态粗调度模型。通过仿真实验，验证了所提动态调度模型的正确性和有效性。与传统动态调度方法相比，该方法减少了动态再调度的次数，均衡了设备的利用率，而且能够获得满意的调度结果。3、研究了函数S-粗集在车间动态调度中的应用，与S-粗集的应用进行比较，指出了S-粗集在应用中的不足，证明了应用函数S-粗集理论的正确性，这是本论文的最大创新点。最后，总结了本文的主要工作，指出了进一步的研究方向。