随着市场经济的发展,市场竞争日趋激烈,多品种、多工序和小批量的情况已成了现代制造业的主要生产特点,因此,就要求制造企业能够合理安排工序,高效地利用资源,减少工期,降低生产成本。有效的生产调度方法和优化技术的研究和应用是实现先进制造和提高生产效益的基础和关键。车间调度问题越来越受到人们的关注。作业车间调度问题属于NP-hard问题,是典型优化问题中最难求解的问题。遗传算法是通过选择、交换和变异等操作使群体进化来进行全局优化搜索的,虽然它具有具有通用性的一面,但单纯的遗传算法在实际工程应用中常会存在不成熟的过早收敛。为了克服遗传算法在实际工程优化计算中出现的早熟收敛问题,以提高遗传算法的全局搜索能力,本文试图将遗传算法和免疫算法相结合,免疫遗传算法可以有选择、有目的地利用待求解问题中的一些特征信息来保持个体的多样性,避免早熟收敛和提高求解最优解的收敛速度。用改进的免疫遗传算法来求解作业车间调度问题。首先,对本论文的研究背景和意义进行了概述。研究了现代制造车间生产的现状和特点,以及目前所存在的突出问题,并在此基础上对遗传算法和免疫算法的研究现状和发展趋势进行了探讨。其次,对制造车间生产调度的相关问题和理论进行了较为详尽的阐述,对相关的调度算法进行了初步探讨。然后,本文对经典遗传算法和免疫算法,以及两者的有机结合进行了研究和探讨。对两种算法的原理和设计进行了研究,对一些关键的参数和算子提出了改进方案;重点对两种算法的结合和结合后的优化进行了探讨,并设计了适合于本文调度实例的改进免疫遗传算法。最后,本文对改进免疫遗传算法的应用进行了研究。通过测试Benchmarks算例,数值实验表明算法收敛速度快,仿真结果较好;将免疫遗传算法(ImmuneGenetic Algorithm,IGA)植入实际调度系统,求解了浙江某制造企业的一个简化生产车间调度实例,调度结果比较理想,达到了预期的效果,从而验证了本文提出算法的有效性和快速性。