作业车间调度问题是最难的组合优化问题之一，已被证明是NP-Hard问题，它的求解对于NP-hard问题的求解将有很大的启发和推动作用。由于求解作业车间调度问题有着巨大的理论和现实意义，它已经成为了学术界的研究热点。　　遗传算法是一种有效的求解车间调度问题的元启发式算法，遵从“适者生存，遗传进化”准则，但其在求解过程中种群容易过早收敛。针对于遗传算法过早收敛的缺点，本文引入了个体间分散度概念与其计算方法，提出了一种基于分散度的多种群遗传算法。在多种群遗传算法中引入分散种群来防止种群过早收敛。在阐述了算法过程及算法设计的关键部分后，使用国际基准实例测试多种群遗传算法的搜索性能，验证该算法相比传统的遗传算法有着更好的搜索性能。　　禁忌搜索算法是局部搜索算法中一种有效的求解车间调度问题算法。算法时间复杂度较小，搜索效率较高，但禁忌搜索算法容易陷入局部最优解和搜索死循环中。为使算法有更好的跳出局部最优和循环搜索能力，本文通过引入了分散度概念，设计了一种新的更新精华解集策略和一种禁忌表长度动态变化策略。并用国际基准算例对这两种策略进行测试，验证了这两种策略对传统的禁忌搜索算法性能上有很大程度上的改进。　　单一的近似算法对作业车间调度问题求解能力有限，而两种或多种算法的混合算法具有更好的搜索能力。本文中将多种群遗传算法与改进型禁忌搜索算法组成一种多种群遗传禁忌混合算法。算法通过遗传算法的分散搜索与禁忌搜索算法的集中搜索来提高对作业车间调度问题的求解能力。最后使用国际基准算例对算法测试，发现算法在Ft系列和La系列算例上得到了大部分算例的最优解，在与其他混合算法做出了对比中，验证了该算法对作业车间调度问题有着高效的求解能力。