现阶段我国制造业信息化程度水平不高，存在许多制约制造业快速发展的问题。例如：企业底层的车间制造系统和顶层的生产管理系统之间无法进行有效的信息流通，车间制造层缺少信息采集管理机制，大多数制造企业还在依据生产管理者的经验人为的进行调度等。　　MES（manufacturing execution system，制造执行系统）是制造业企业信息化的关键，是企业生产计划层和车间制造层连接的纽带，主要负责底层的生产管理和调度执行。车间生产调度是制造企业生产的一个关键环节，是车间生产制造系统的大脑，支配生产系统所有的加工任务。因为企业生产制造资源的有限和制造能力的约束，通过对车间生产作业进行有效的调度排序，从而对生产物料、机器设备、生产人员等进行有效安排，减少车间作业等待时间，合理利用资源提高企业的生产效率，降低生产成本。　　本文在对车间调度遗传算法进行研究时发现，初始种群对遗传算法求解的质量和速度有决定性影响，传统的遗传算法一般都是随机生成初始种群，在迭代初期会形成许多无效方案，只有经过复杂的运算才会形成较优的方案，这样就会降低算法的收敛速度，在对许多前人工作进行总结的基础上，提出一种利用启发式规则改进遗传算法初始种群的改进遗传算法，根据不同车间不同的调度要求，选用不同的启发式规则对遗传算法进行改进。针对其中一种改进遗传算法分别对作业车间和柔性作业车间的经典案例进行仿真分析，通过与传统遗传算法仿真的结果进行比较，从而证明了改进算法在求解车间调度问题上的优势。并利用Matlab软件的图形用户界面模块进行软件的设计，开发了基于 MES的车间生产调度软件，软件分为作业车间调度和柔性作业车间调度两个部分，每个部分有九种算法规则可供选择，根据不同的车间不同的要求进行选择，对车间生产进行调度优化。