智能调度(AI Scheduling)是人工智能领域的一个重要研究方向，虽然它的起步和智能规划(AI Planning)基本同时(20世纪50年代)，却很晚(20世纪80年代)才受到AI领域研究的足够重视，由于和智能规划问题有很大的相似性和相关性，不少学者也把它作为智能规划方向的一个特例来研究，所以智能规划中大部分成熟的思想和算法如约束满足、启发式搜索、基因算法、神经元网络等都可以成功地解决智能调度问题，使得智能调度在后期的20年取得突飞猛进的发展。作为智能调度中最难解问题之一的Job-Shop调度问题，其模型具有现实应用问题的一般通用性，如车间调度管理，物流运输、时间表安排以及人力资源规划等问题，正是由于这样的现实意义，所以它的研究持续半个多世纪都没有中断过，而且人们在Job-Shop问题上已经提出很多优秀的算法诸如分支界定、优先级分派规则(Priority Dispatching Rule)、局部搜索(LocalSearch)、启发式(Heuristic)引导以及约束满足(Constraint Satisfaction)等，然而各个算法都存在一定的优缺点。目前调度问题的理论研究成果主要在集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上遗传算法是一种模拟生物自然进化的随机搜索技术，遗传算法在车间作业调度上的应用，是近年才发展起来的研究方向。本文通过对一个具体的车间调度问题进行分析，用遗传算法这一工具来解决车间调度问题，在理论上实现了对该问题的计算机模拟，并提出了快速获得满意解的一种可行性方案。