车间作业调度问题属于NP难问题,也被认为是最难的组合优化问题之一.为解决工业生长、经济管理和网络通讯等诸多方面的问题,都要借助于求解这个问题.优质、快速地求解作业加工调度问题,既有重要的理论意义,又能带来巨大的经济效益,因此,它具有很强的实用性.该文主要讨论的是演化计算在车间作业调度问题的一个分支——流水车间作业调度(Flow Shop)问题中的应用.这个问题的提出有一段时间,并且扩展为一系列问题,例如多目标流水车间作业调度问题、模糊流水车间作业调度问题等,但是它们都是在最基本的顺序作业调度问题上发展起来的,因此该文将从顺序作业调度入手,找出高效的算法并加以改进,以解决扩展的问题.该文就目前常用的几类求解Flow Shop问题的算法进行了分析,指出它们的不足之处,并对其中两个比较有代表性的算法进行了实例演算,保证结论的客观.求解Flow Shop问题,还有相当多的算子被学者们设计出来,该文也从其中选出了常用的两类算子:杂交算子和变异算子中的一部分进行比较,依然通过程序的方法来比较出哪种算子更适合求解Flow Shop问题.一种新的演化算法——变概率遗传算法(CPGA)在该文被提出.武汉大学演化计算实验室提出的郭涛算法,在求解与Flow Shop问题一样属于有序组合优化问题的TSP问题的时候非常有效,因此将其引入求解Flow Shop问题.并针对其不力之处进行了改进,改进后求解问题的速度大大的提高.改进的主要方面是提出了变概率的思想,即在演化的不同阶段,修改不同算子被选择的概率,突出算子本身在算法不同时间的优势,有效的提高运算速度,实验证明这种改进非常有效.该文还就目前比较热门的多目标Flow Shop问题做了初步的探索,设计了一种算法求解此类问题,并提出了两种改进思路,以对这个算法有所改进.