车间作业调度问题（Job Shop Problem，JSP），实质是资源调度问题，已被证明是个NP-hard完全问题，对资源调度的进一步研究具有重大的现实意义，已成为现今研究的热点。遗传算法（GeneticAlgorithm，GA）作为一种高度并行、随机、自适应的优化算法，在求解JSP中得到了广泛的应用。在求解JSP时，GA显示出了很强的鲁棒性。但遗传参数对GA的优化性能的影响很大，参数设置不当往往会使得GA的优化结果大打折扣。该文在将标准遗传算法改进的基础上，对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别做了算法设计，并通过实例进行了算法优化效果的对比，真实地展现了改进遗传算法解决车间调度问题的有效性和优越性。该文首先对遗传算法做了大量的研究和分析，发现标准的GA在解决车间调度问题时容易陷入局部最优、搜索效率低和产生不可行解等问题，针对该问题提出了一种改进的GA，该算法融入了混合启发式算法等方法，使生成的初始种群尽量分布于整个问题的解空间，而且保证了解的多样性。结合资源调度问题的特点，设计了独特的交叉和变异方式，保证了解的合法性。通过与标准的GA对比，验证了改进的GA在保证局部搜索速度的前提下还尽可能的保证全局搜索，避免陷入局部最优，提高了最优率。在应用改进的GA基础上，针对流水车间调度、混合流水车间调度、作业车间调度和双资源柔性多目标作业车间调度分别给出了不同的算法实现方案，并在算法实现的过程中做了适当的调整和改进，然后通过对经典调度模型、汽车零件加工车间模型和机车厂加工车间模型实例验证了算法实现的效果。最后开发了一个应用于实际生产的优化调度系统，详细介绍了各个模块的功能与操作。将此系统应用到实际生产调度问题，并对某车间部分调度进行了模拟仿真，得到了较好的调度结果，本文最后对下一步基于改进遗传算法的混合车间生产调度问题将要进行的工作进行了展望。