车间资源的有限性制约着生产任务的完成，能否有效利用车间现有资源完成生产任务，以最快的速度响应市场需求，已经成为决定制造型企业能否赢得市场竞争的关键。因此，车间调度策略一直是制造业研究的热点。但是，资源约束和工艺约束的并存，使得车间调度成为一类NP-hard问题。同时，实际车间中的各种动态事件难以预测，以致车间调度问题异常复杂，迄今为止还没有一种通用有效的调度策略。 本文针对牵拉(Pull)型市场环境的特点，将遗传算法与多代理思想相结合，提出一种基于多代理系统(Multi-Agent System，MAS)和遗传算法(Genetic Algorithm，GA)的动态车间调度模型，并据此构建了一个实用且适应性广的动态车间调度原型系统。首先，本文介绍了车间调度的背景、类型和研究发展状况，并分析了GA和MAS在解决JSSP这类NP-Hard问题方面的前景。接着本文详细探讨了将GA运用在车间调度问题(Job Shop Scheduling Problem，JSSP)中的关键技术，同时对比了二／十进制编码方案的性能。特别地，在将GA应用于JSSP的过程中，死锁问题是讨论的重点，死锁的消除是用GA解决JSSP的前提。针对GA收敛速度较低的情况，文中提出了几种改进方法，使调度系统具有较高的收敛速度，并有柔性路径选择功能。在GA提供了求解JSSP的有效支持的基础上，本文引入多代理思想管理车间生产动态过程，以将动态JSSP分解为一系列静态JSSP，从而能通过GA方法求解。最后，大量的仿真实验证明了基于MAS和GA的车间调度系统在实际应用中的前景。