制造业同人们的生活密切联系，其发展走向可直接影响国家的综合实力。制造业企业不仅需要将制造技术走在科技前端，而且需要加强生产和经营管理技术，这样才能时刻保持其核心竞争力。而企业的调度是企业管理的核心和难点。生产调度的制定，作为制造业生产运作管理的最重要的任务，其结果强烈影响着企业的利润取得、资源的利用效率及产品能否准时交货等。在实际生产环境中，柔性作业车间调度问题(FJSP)允许所有工序可以在整个机器集中任意选择一台加工机器，这样的生产调度系统可以按照资源负荷情况灵活地分配资源，提高加工的灵活性，更接近实际生产环境，却因此加大了可行解的搜索范围，增加了问题复杂性。由于柔性作业车间调度研究的历史尚短，其发展还不够完善，在模型和求解策略上还存在一些亟待解决的难题。　　遗传算法作为一种群体智能算法，操作简便，在求解FJSP时具有较好的寻优能力和鲁棒性，但是仍然存在着收敛速度慢、极易早熟以及种群多样性不足的缺陷。本文针对遗传算法在求解FJSP时存在的不足，作了以下几点改进。综合考虑种群多样性和工序先后秩序约束，提出了用于初始化机器选择段染色体的全局随机选择机制（GRS机制）;提出了改进遗传算法，在算法陷入局部最优状态后加入再激活机制来更新种群，调整其种群多样性至初始化状态;设计了种群独立比作为评价指标来衡量种群多样性，并将小生境技术引入遗传算法中，在改进GA每一次遗传更新操作后加入基于小生境的预选择机制，提出了改进小生境遗传算法。　　本文将两种改进算法用于求解11组标准测试案例，并将实验结果与其它算法进行对比，验证了改进算法的可靠性和有效性。将改进小生境GA应用于求解三个制造业FJSP实际案例，并由此验证了该算法在解决实际应用问题时具有很强实用性和可操作性。