【摘要】针对传统Ｊｏｂ－Ｓｈｏｐ数学模型忽略返工及重加工的因素，构建了考虑该情形下的Ｊｏｂ－Ｓｈｏｐ调度数学模型及相应的求解算法。该模型详细分析了返工及重加工的流程，对问题的定义做了进一步推导，模型以总加权拖期最小为目标，并提出一种改进的遗传算法对该模型进行求解。针对该调度情形，对算法中染色体的编码、种群初始化进行改进。种群数据的仿真实验表明，与传统遗传算法相比，改进后的算法在收敛速度、求出的最小总加权拖期方面均优于前者。最后通过对１０×１０实例调度方案求解及仿真，并与作业车间实际调度结果比较，模型仿真所得总加权拖期小于实际计划调度结果的４６％，本模型得出的调度方案是实用且有效的。