现代制造业竞争日益激烈，旧的生产模式已经无法适应现代化生产的要求，大规模车间调度问题的研究已经成为当前的热点。但是车间制造系统内容复杂、范围广泛，很多领域的研究还很薄弱，并且调度问题大多是NP-hard问题，此问题已经成为当前研究的瓶颈。所以，现代先进生产车间调度的基础和关键问题是如何使用有效的优化调度方法。Agent技术的诞生为车间调度的研究提供了一个崭新的途径，Agent技术已经成为人工智能的热门话题。本文采用了基于改进合同网的多Agent方法，并将云自适应遗传算法(CAGA)运用到资源调度过程中，最后在JADE平台下对其进行了仿真。全文的主要研究内容如下：　　 (1)对合同网协议进行了改进。虽然多Agent协作的主要方法是合同网协议，但经典的合同网中存在着通信量过大等问题，影响实际的合作过程和任务完成的效率。本文在原有合同网模型的基础上，对传统合同网协议中的不足进行改进，提出了全局双向通信协商与局部自主协商共同工作的改进型合同网机制，提高了合同网的通信效率。　　 (2)在传统调度系统的基础上，建立了多Agent车间调度模型，并详细设计了各Agent在车间中的功能。应用改进的合同网协议实现各个Agent之间的谈判协商，并设计了基于多Agent的车间调度算法。　　 (3)根据制造网格资源管理的流程及资源调度的目标，提出基于云自适应遗传算法的面向用户多目标和特定限制的资源调度方法，对云自适应遗传算法进行了收敛性的证明并用典型函数对其进行测试，最后用算例证明了该方法优于标准遗传算法(SGA)和自适应遗传算法(AGA)。　　 (4)在JADE平台上对车间调度中的Agent通信进行设计与实现。同时在JADE平台上设计了车间调度系统的主要界面，对车间调度的任务分配与协商部分进行了实验模拟，通过Agent之间的招标--投标--中标过程，完成了任务的分配。通过对比实验可见，改进的合同网协议与云自适应遗传算法相结合，可以有效降低通讯量，并减少通信时间和通信流量。