遗传算法是一类重要的随机搜索最优化方法。此算法不要求目标函数和约束条件的连续性、可导性,并且有易于操作等优点。本文的主要研究方法是将传统遗传算法中采取固定交叉变异率的策略用一种自适应调整交叉变异率的策略所代替给出一种改进的遗传算法,再结合禁忌搜索算法局部搜索能力较强的特点,提出一种改进的混合遗传算法。通过对车辆调度问题的深入研究,将带有约束的多车场车辆调度问题转化为与其等价的带有约束的单车场车辆调度问题,利用混合遗传算法,分别研究了单车场车辆调度模型和多车场车辆调度模型,并在有时间窗的车辆调度问题中,先通过一种初始解算法找到一个好的初始解,再利用禁忌搜索算法局部寻优能力和自适应遗传算法全局寻优能力获得车辆调度问题的最优解或满意解,最后通过数值试验结果验证混合遗传算法的有效性。具体内容如下：第一章：介绍了几种重要类型的求解车辆调度优化问题的方法及其研究状况。第二章：受郎茂祥等、蹇洁等和柳伍生等的启发,提出了一种用自适应调整交叉变异率代替传统遗传算法中采用固定交叉变异率的方式的改进遗传算法与禁忌搜索算法相结合的混合遗传算法求解单车场车辆调度模型,并通过数值试验结果验证了该方法的有效性。第三章：在王晓博等提出的一种求解多车场车辆调度问题的混合遗传算法的基础上,提出了一种采用混合编码,并结合了禁忌搜索算法和爬山算法的改进的混合遗传算法求解多车场装卸车辆调度模型。最后,通过数值试验结果表明,该算法是有效的。第四章：受钟石泉等和刘家利等文章的启发,首先通过初始解算法找到一个好的初始解提高禁忌搜索算法局部搜索能力；其次,提出了一种对车场、车辆和客户采用自然数编码,并结合了扫描算法和C-W算法给出一种初始种群构造法的改进的混合遗传算法求解有时间窗的多车场车辆调度模型；最后,通过数值试验结果表明了该算法的有效性。