车间作业调度问题是多任务作业调度问题的一个重要内容，它是指在车间生产过程中对共同使用的资源实行时间分配从而达到某一最优目的。作为一个NP难题(Non-deterministic Polynomial，多项式复杂程度的非确定性问题)，车间作业调度问题随着需要加工的工件数和机器数量的增加，任务量增加，可选调度方案数量将以指数速度急剧增长。由于在现实生活中的制造型企业里，往往存在着大量的生产车间，其合理的车间调度方案对提高企业的生产效率具有重要意义，不仅能够有效地降低设备的空置率，缩短产品生产周期，并且还能降低生产成本和增加经济效益。因此，对车间生产优化调度配置问题的研究具有重要的现实意义。 论文在车间作业调度问题数据模型的基础上，利用改进的自适应遗传算法对其进行求解与实现。采用基于生产工序的实数编码方式，每次遗传操作后对种群采用竞争选择策略来保证最优个体不被破坏掉。同时，针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对自适应遗传算法进行研究改进，采用基于群体适应度集中程度的自适应遗传算法，根据种群适应度集中程度，自适应地变化整个群体的交叉概率Pc和变异概率Pm，避免遗传算法产生无用解或陷入局部最优，以提高效率。 论文以车间作业调度系统为研究背景，将改进的自适应算法应用到车间作业调度系统中，并通过具体仿真实验数据与传统改进自适应算法的收敛性能及设备利用率进行了对比分析，验证了改进后的算法具有可行性，不仅保证了收敛质量，也基本保持了遗传算法的运算速度，并且得到满意的调度结果。