遗传算法作为一种非确定性的拟生态随机优化算法,在过去20年中得到了广泛的应用,其具有不依赖于问题模型的特性、全局最优性、隐含并行性等特点,可以成功的应用于工程优化问题。本文设计了改进的遗传算法来解决旅行商问题和车辆调度问题,通过仿真试验证明是有效的。　　作业车间调度问题是制造执行系统研究的核心和重点之一,它对于提高企业的资源利用率、提高产品的质量、缩短交货期、降低生产成本、提高企业在市场经济中的竞争力具有重要的意义。由于实际作业车间调度具有的复杂性、动态随机性、约束性多目标等特点,一般的算法难以解决这种NP难题。　　基本的遗传算法在解决车间调度问题上有迭代速度慢和早熟的现象,本文提出了基于动态疫苗库的免疫遗传算法解决车间调度问题。该算法在不断的调整基因库和进行疫苗的接种的过程中来判断基因库中基因片段的优劣,以此来不断的动态地调整疫苗库,使得更好的疫苗进入疫苗库中,更好的指导种群的进化。该算法正是充分利用了进化过程中的后验知识,使得整个群体向好的模式发展,有利于加快整个群体的进化,通过仿真实验证明该算法是高效的。　　以往所研究的车间调度问题总是假定订单一旦到达立即对其进行加工,而实际的加工过程是,定单到达以后机器开始启动,当机器正常启动完成后,才能开始对工件进行加工。基于以上考虑,本文提出了一种新的带有启动期的车间调度模型。通过实例进行仿真,利用遗传算法,给出了相应的调度方案。