针对制作车间生产计划以及控制的研究而产生的车间调度理论，从提出之日起就引起了各业界科学家的重视。车间调度问题是指，在满足约束条件的情况下，使执行目标达到最优的调度，同时按照排序的顺序分配资源以及时间。针对可以分解的工作，在一定条件的约束下，可以将车间调度分成如何安排其组成部分、加工时间、先后顺序，以实现产品制造过程中成本和时间的最优。通常情况下，影响调度问题最优解的因素有很多，比如产品的投产期、生产能力、加工用到的设备和加工所消耗的时间、成本控制等都是调度的关键因素。有些条件是必须要满足的，有些条件达到一定的满足度就可以了，而有些因素实现是不可预估的，这些因素都是在进行调度问题的解决过程中必须要考虑到的。对I个工件在j台机器上进行加工的问题，进行k道工序的加工是每个工件都需要的，在一个时间点一台机器只能对应加工一个工具，只能在这个工件加工完毕后进行下一个工件的加工。针对这个问题，如果采用遗传算法来进行建模以完成求解，可以达到非常好的效果，系统会先初始化遗传算法所需要的各项参数，以及进行种群的初始化，针对父代的各个个体，求出相对应的适应度值，然后进行选择，进行交叉重组等的操作，再进行变异操作，针对子代每个个体，求出相对应的适应度的值，当世代数达到要求的最大值的时候，停止求解，将得到结果输出就可以得到该问题的最优解。根据图像中包含的对象的色调、纹理、形状和空间位置，进而实现图像检索方法。该方法使用图像的特征矢量来作为该图像的索引，进行图像的检索。用这种方式得到的检索结果、图像的特征矢量编码方式与特定应用的过程中所使用的图像检索方法有着密切相关。将遗传算法原理应用到图像检索的实际应用中，比如一种基于交互式遗传算法的图像检索方法，为了获得用户对染色体的评价，该方法通过一种交互的过程来得到，并通过该评价来作为适应度的值，进而进行遗传选择的流程。在图库中随机选取一定数量的图像用来作为交互式遗传算法的第一代。然后交给客户使用，它是根据用户的要求，根据每个图像来评价这些对象,根据这一评价体系，系统得到各图像相对于相应染色体的适应度值,根据这一适应度值，进行遗传操作。这一方法的特点是高效、简捷。近几十年来，图像匹配问题一直都是人们研究的难点，在该领域的可用算法也较多，其中模板匹配是最为常见的一种方法。在图像上将各个点逐个的进行平移及计算相关值，其中最大相关值是匹配图像的最佳位置。该方法匹配精度高，算法稳定，但算法的计算量较大，难以应用于高实时性的应用场合。将遗传算法应用于图像匹配过程中速度问题的求解，从而减少了计算量和搜索位置的数量，而且在精度性能方面有良好的效果。采用多个子模板去进行模板匹配工作，提高针对不同类型目标进行匹配的精度以及跟踪的可靠性。在匹配过程中，改变遗传算法交叉概率和变异概率，使个体能够随适应度的变化而变化。在这种情况下，当群体收敛到局部极值时，突变的概率就会增加，使种群的多样性增加，并且跳出局部最优解。然而，当解空姐中群体分散的时候，交叉的概率进行增加，加速收敛速度，确保得到的解接近全局最优解并保证一定的收敛速度。