当今社会,各种调度规则与人工智能技术的结合已经成为目前调度问题研究的热点。基于知识库的调度是在一个群体中,建立知识库实现优化,作为一个关键模块,调度规则与知识库结合是整个先进生产制造系统实现管理技术、运筹技术、优化技术、自动化与计算机技术发展的核心。有效的调度方法和知识库优化技术的研究与应用,是实现先进制造和提高生产效益的基础和关键。改善调度方案,可大大提高生产效益和资源利用率,进而增强企业的竞争能力。将优化方法的理论研究引入到车间生产调度领域中,改进算法性能、拓宽算法应用领域、完善算法体系,是一个同时具有理论意义和应用价值的课题,具有重要的意义。本文针对自适应遗传算法在求解作业车间调度问题时前期收敛速度慢和容易陷入局部最优的不足,引用一种依赖于进化时间的时间算子,从而克服了自适应遗传算法交叉和变异概率无法随进化时间做相应调整的缺陷。并在算法结构上采用了分层结构,可以充分体现调度问题的特性,在提高收敛速度的同时保持种群的多样性,避免早熟。同层结构内的子种群针对作业车间调度问题的自身特点,分别以时间最优和成本最优两个目标同时进化;层与层之间采用基本遗传算法。本文系统地研究了调度和知识库的理论及其发展状况,针对某制造企业车间生产控制中存在的问题提出了一种具有完善的理论和可靠的实践基础、可行性较高的解决方案,设计并实现了一个车间调度知识库系统平台。深入研究了调度和知识库理论的优化算法模型,将提出的改进算法用Muth and Thompson基准问题测试,结果表明,该算法具有较高的优化效率,提高了解的质量和收敛速度。并应用改进的算法模型对实际问题进行求解,得到的结果是可行且有效的。