针对车间调度这一问题，很多学术专家已经提出优化方案[1]，如拉格朗日松弛法，神经网络算法，遗传算法，模拟退火算法，禁忌搜索算法等。以下是各个方法的发展过程：

拉格朗日松弛法[2]：1990年，Hoitomt F J 用此方法解决了相对简单的车间调度问题；90年代初，用以处理个别的Job Shop选择分配问题。73699

神经网络法：1943年，W。MccuLLoch和W。pittsz根据神经元特性率先发表神经元数学模型，并一直用到现在；1945年，诺依曼成功开发了可以存储程序的计算机，揭示了电子计算机时代开端。48年，某科学家发现用神经元组成的再生自动机网络结构的特点；50年代末，Rosenblatt完成了首个“感应机”研发,诸多科学家和许多实验室仿制研究，但好景不长，许多人研究后觉得数字计算机完全可以代替感应机。60年代后期，对人工神经网络的研究陷入萎靡；因为对感知机兴趣渐失，因此神经网络的研究也可有可无。到80年以后，超大规模集成电路制造技术[3]发展迅速，受到大型企业的青睐，数字计算机在许多领域上的发展遭遇瓶颈。也使得人们对神经网络报以很大的希望。82、84年，美国的物理学家在美国科学院院刊上重新提到人工神经网络可以钻研的可行性，激发人们对神经网络的研究热情。人们在研究时发现了许多具有实际意义的研究方向。80年代中期，人工神经网络形成研究热潮；85年，Ackley、Hinton和Sejnowski在神经网络模型应用一些算法，从而造出了Boltzmann机； 86年，Rumelhart、Hinton和Williams提出了BP算法。并证实了该算法的精准性能。这在神经网络的研究上是一个很大的进步；88年，Brodhead和Lowe率先发表了有关RBF网络的观点。

遗传算法[4]：90年代起，遗传算法开始走入人们的视线，诸多学者争先对其理论加以研究和拓展。尤其是在应用研究上尤为引发关注，因为它的应用领域不断地扩大，且学习的能力也有很大的提升，同时还能研究产业应用等方面的问题。遗传算法在研究领域上向更深层次的工程化应用拓展；91年，D。Whitey发布了基于领域交叉的算子（Adjacency based crossover）论断，即用序号来代表基因的个体的交叉变化，并将TSP问题上得到应用，并在实验过程中证明其论断的可行性。D。H。AckLey等专家又发表了随机迭代遗传爬山法（Stochastic Iterated Genetic HiLL-cLimbing，SIGH）论断。通过对SIGH与神经遗传算法的对比，我们可以看到SIGH在诸多方面具有更好的性能，由此也说明了SIGH在求解速度方面性能更优异，竞争力更强。在92年，英国教授李耘（Yun Li）对基于二进制基因的遗传算法进行深度扩展，使得遗传算法对模糊参量等优化问题具备更加有效、更加快捷的应用，并在1997年开发了EA_demo程序，并得到众多好评。论文网

在这些算法优化求解的方案中大多只适用规模较小的车间调度问题。伴随着科学技术的进步，优化算法也得到了很好的完善，于是相关学者开始使用局部搜索的方法来解决调度优化的问题，取得了很好的效果。从理论研究的角度而言，这方面的经典调度理论已经相当成熟，而在实际生产调度中仍表现得不理想，主要表现为：1、调度模型具有局限性；2、优化目标过于单一；3、动态性和实时性的处理不够。本文课题就从遗传算法的角度来探究车间调度的优化问题。