随着制造型企业生产规模的不断扩大,生产过程也变得日益复杂,企业需要借助计算机来辅助企业进行生产的安排,提高企业生产的效率。然而在现实生产调度过程中,面临着复杂的加工环境和资源约束,需要设计出一种有效地算法来解决生产调度问题。　　 车间调度问题属于组合优化问题,解决这类问题的方法有很多,邻域搜索算法是目前应用最广泛的一类算法,而其中遗传算法又是应用最成功的一种算法。本文通过对多目标柔性车间调度问题的研究,针对传统遗传算法的缺陷进行了改进,并结合模拟退火算法和免疫机制,设计出一种基于改进混合邻域搜索算法的车间调度算法。　　 该算法通过在初始阶段选择种群空间中的一部分染色体,通过判断染色体相似度来打散染色体分布,提高算法的全局搜索能力；并对剩下的染色体采用免疫机制,利用已知问题的一些特征信息来引导生成一些高质量的染色体,为后续的进化过程奠定良好的基础。同时针对算法进化速度不均匀的问题,提出了一种自适应的交叉变异概率,针对不同适应值的染色体给予不同的交叉变异概率,并且,概率会随着进化代数的增加而逐渐减小,在算法后期加快收敛速度。在选择阶段,引入模拟退火机制和免疫机制相结合的策略,避免算法搜索陷入局部极小而无法找到更优解,并保存每一代的最优染色体。最后证明了算法的有效性。　　 接着围绕车间调度算法构建了分布式的车间调度系统,使其能在实际中得到应用。通过采用Web service+EJB的技术规范,面向服务的松耦合体系结构来设计系统。详细介绍了整个系统的结构和实现原理,并分别对服务器端、Web模块、客户端的设计进行了详细描述。　　 最后对算法和分布式系统进行了性能测试和评估,通过对算法进行多次测试,并与标准遗传算法及其他一些混合算法的比较,证明了改进型混合邻域搜索算法具有更好的搜索性能。最后,在不同技术标准搭建的客户端中,对服务器端进行了远程调用的测试,并取得了预期的效果。