车间作为机械加工企业创造利润的执行单元一直受到企业的关注，但目前车间用于非加工性的时间占总时间的比例较大，很长时间作业在流动等待加工，而车间调度员无法对全部作业有很好的控制，经常出现调度员不知道目前每台机床在加工什么，下一步能加工什么作业的问题。对于高层领导想对企业的具体加工情况有所了解，就更困难了。车间调度问题属于NP-hard问题，是典型优化问题中最难求解的问题。遗传算法以其通用性强，算法简单等特点，被广泛应用到车间调度问题的优化中。但是，正是由于其通用性强，而导致其灵活性差，尽管能够保证全局收敛性，但不可避免出现局部退化现象。针对标准遗传算法的早熟问题，小生境技术被认为是一种行之有效的方法，它可以维持种群多样性，能增强新搜索区域的探测能力。在小生境中最适应的个体将保持不变或高的适应度值，而小生境中其它个体将被大幅度地减小它们的适应度值。因此种群中个体就被分散到整个搜索空间中，这样就能在种群迭代时有效地维持一定的多样性。本文的主要工作是：针对传统的基于群体内个体适应度共享的小生境技术不能有效利用群体中优良因素的缺点，结合生物学中的种群进化理论，提出了一种基于群体间共享的改进小生境遗传算法，在进化过程中充分考虑了群体间互相影响，互相制约的关系，有效地利用了优良种群的特性，其他种群适应度根据共享群体的适应度进行调整，改善种群的品质，从而使进化过程沿着较优的方向发展，有效地避免了早熟现象，改善了算法的收敛性能。并将该算法运用到典型10×10JSP问题上，结果证明比普通的适应值共享机制在收敛速度和求得最优解的结果上有了很大改进。目前，该算法成功应用到“车间调度仿真系统”中，针对某交通运输设备制造企业的生产线的实际数据进行求解，获得了良好的运行效果。