随着市场经济的快速发展,制造业的生产规模日益增大。实际生产中,各种工艺约束,资源约束,生产能力约束等平行存在,这就需要对生产作业进行合理的调度安排。而一个好的调度安排需要一个好的优化调度算法。此外,现有的研究工作绝大多数要么研究加工的调度要么研究装配的调度,其研究成果在混合生产形态类型的制造业中应用情况并不乐观,究其原因是实际生产企业中情况错综复杂,很少是只有加工形态或只有装配形态,另外还需要考虑实时库存信息,在制品进度信息,车间生产能力信息等各种信息,动态地生成调度计划,其复杂性远远超过了目前研究所使用的国际标准调度问题和现有的一些单一生产形态调度系统。本文针对双资源制约调度过程中建模困难、计算复杂、存在动态性、随机性、约束性以及多目标等难点进行深入的理论研究。结合免疫算法和自适应遗传算法的优点,提出了一种新的自适应免疫遗传算法。新算法根据搜索的历史信息,自适应的调整遗传过程中的遗传参数以提高算法的稳定和效率,提高算法的局部搜索能力和解的质量;采用动态提取和注射疫苗的方式,改进了免疫记忆库,使疫苗位置信息得以保存,从而使注射位置更加合理,提高了算法的收敛速度。通过将算法运用到求解双资源问题中,缩短了最短生产时间,提高了机床利用率和工人利用率,减少了最优解的迭代次数。结果表明新算法有较好的优化效果,是一种改进的优化策略。实验研究:本文针对Job-Shop调度问题设计并实现了一个多智能体车间调度平台系统,并应用改进后的算法对这些问题进行求解,得到的结果说明改进算法是可行和有效的。