网络化制造作为21世纪企业的先进制造模式，其目的是要以最低成本制造出顾客满意的产品。在这种模式下如何运用有限的资源，降低产品的生产成本，缩短产品的制造周期，保证按时交货，提高企业信誉，赢得更多客户，成为制造业在竞争中生存的一个重要的条件。因此，车间调度领域的优化问题已成为一个前瞻性的课题，应用价值十分突出。遗传算法是仿真遗传学和自然选择机理构造的一种搜索算法，因其对优化问题的弱依赖性、求解的简单性和鲁棒性、隐含并行性等特点被广泛应用于当前的各个领域。但在解决调度问题时，仍存在一些局限，本文旨在应用改进的遗传算法去求解调度领域出现的新问题。主要有如下创新成果：一、针对遗传算法求解最小化完工时间的机器调度问题时编码存在的局限性，提出了基于工件-机器的组合编码方案，该方案不受约束条件的限制，也不需要进行修正。二、应用新提出的算法成功解决了带有交货期限制的提前/拖期最具一般性的调度问题，因此可普遍应用于其他特例。三、针对模拟退火遗传算法解决流水车间调度问题存在收敛速度慢的局限性，提出了选择性退火的遗传算法。该算法在提高解的精度的同时，可大大加快收敛速度。并应用该算法解决了双目标的流水车间调度问题。四、针对并行遗传算法解决作业车间调度问题存在早熟的局限性，提出了双模并行遗传算法，并用该算法解决了最大化满意度的车间调度问题。虽然应用各种改进的遗传算法解决了调度领域的各种新问题，但上述类型均为静态调度，算法不受时间要求的限制。在实际生产中，我们更应该关心动态调度。另外，很多带有特定约束的调度同样值得我们关注。在调度方法方面，遗传算法虽然得到极为广泛的应用，但它的弊端也是显而易见的，进一步提高算法的收敛速度和精度仍是未来很长一段时间内的研究主题。各种各样的改进算法(自适应GA，模拟退火GA，并行GA，正交GA等等)只能在一个方面取得令人满意的效果，如何既能提高进化速度，又可提高抗早熟能力亦是人们一直期待解决的问题。