随着市场经济的发展,市场竞争日趋激烈,对于加工制造业,就要求能够合理安排工序,合理利用资源,减少工期,降低生产成本。因此,车间调度问题越来越受到人们的关注。车间调度问题属于Non-Polynomial-hard(NP.hard)问题,是典型优化问题中最难求解的问题。遗传算法(GeneticAlgorithm,GA)以其通用性强,算法简单等特点,被广泛应用到车间调度问题的优化中。但是,正是由于其通用性强,而导致其灵活性差,尽管能够保证全局收敛性,但是它在实际应用中容易产生早熟收敛的问题,即在进化群体中少数个体的适应函数值远大于其他个体,这样经过少数几次迭代后,这些个体就占据了整个群体,进化过程就提前收敛了。人工免疫算法是自然免疫系统的机理应用于优化计算的成果之一,采用了基于浓度和适应度的一种适应式的选择机制,能够有效的促进优秀抗体的繁殖,抑制浓度过高的抗体,保证抗体多样性,提高个体的适应度和防止种群退化,避免了局部收敛,但频繁的提取育苗和注射育苗,增加了算法的时间复杂度。介于以上两种算法优缺点分析,引入选择机制。本文所作的工作有:首先,对遗传算法的研究,遗传算法中交叉算法具有举足轻重的作用,好的交叉算子能提高种群的进化速度,所以本文设计了新的三个体交叉算法。其次,设计了人工免疫算法中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和最后完工机器个体的接种方法。再次,对种群提前收敛性能的研究,引入选择机制,当种群多样性高时用遗传算法高速进化,低时用人工免疫算法。最后,通过对标准数据集的测试,从求得的最优值,时间效率和算法收敛程度三方面和以往的算法进行了对比分析。