（1）研究目的及意义

近年来，随着市场竞争的加剧，客户对产品的需求观念的转变，企业仅仅生产廉价的商品已经不能够满足市场的需求了。由于顾客需求的瞬息万变，产品从原先的少品种、大批量转换为了更加符合需求的多品种、小批量。竞争因素也不单单是以往的批量和成本的控制，而更多的还需考虑柔性与效率的兼顾，以此来保证对市场需求的快速响应。单元生产方式（Cellular Manufacturing，CM）又称为单元制造，作为成组技术（Group Technology，GT）的一个重要应用之一，它是一种精益生产方式，综合了单件生产的高柔性和大批量生产的高效率的特点，使制造系统达到柔性与效率的统一，能够快速的响应当代市场多品种小批量的需求。在单元制造系统中，所有的机器按照加工所分配零件的相似性划分进不同单元，所分配到相应单元的零件集合称为零件族。事实证明，单元制造系统具有成品库存少、生产物流量小、在制品库存少、订单响应时间短，设备调整时间短、生产费用低等优点。

在实际的生产过程中，单一目标的决策模型只能够表达了一些生产决策问题，实际上，还有很多的决策问题需要考虑多个优化目标，以此来满足生产系统多方面要求，这也比较符合现实生产中的情况。因此，多目标优化问题（MOPs），即采用进化算法解决含有多个目标的问题，近年来受到了众多关注。在这种的情况下，目的是同时优化一组互相冲突的目标。MOPs目前作为一个重要的研究方向，不仅仅因为现实生活中存在很多多目标的决策问题，更重要的是在这个领域还有许多悬而未决的问题。事实上，多目标优化问题寻找的是一组良好的近似最优解，常称为pareto最优解集，然后，决策者可以从pareto最优解集中选取一个，作为生产决策的重要依据。

同时，单元制造符合中国制造2025的强国战略部署。有利于加快我国制造业的大升级，是未来制造业技术的主流发展方向之一，然而目前我国的制造企业在实施单元制造生产中很少的应用现代化的优化理论知识，并不能充分的发挥单元制造的优势，同时随着市场竞争的加剧，对单元制造提出了多样化的要求，是我国制造业面临着巨大的挑战。因此，采用优化理论知识对单元制造应用中关键技术，特别是单元多目标调度这个核心问题的深入地研究，将会为制造企业在实施单元制造的生产组织过程中提供有力的技术理论支持和方法的指导。

（2）国内外研究现状

单元调度在单元制造系统中起关键性的作用，随着市场竞争的不断加强，企业对单元调度也提出了多方面的要求，所以更多的是提出多个决策目标而非单一的，因此，有效的实施单元多目标调度才能够真正获得单元制造系统所带来的收益。然而，与单元制造的其他问题相比，国内外涉及到该领域的研究还比较少。其中主要研究有：

1) 单元调度问题现状

曾里义^[1]研究了考虑瓶颈资源的单元调度问题，认为系统的最大产出取决 于瓶颈工序的最大可用能力，并提出了一个以订单延迟惩罚成本和在制品持有成本为指标的TOC启发式单元调度算法来解决单元调度问题。Maghsud和Atabak^[2]提出了一种涉及瓶颈机器的跨单元混合整数线性规划调度模型，其考虑瓶颈机器在单元间的调度，以及工序在单元内的排序。并采用所提出的嵌套禁忌搜索算法对该问题求解，同时与其他算法对比验证了其有效性。王晓晴和唐加福^[3]提出了一种改进的分散搜索算法，其中对多样性初始解产生方法进行了改进，使算法生成多样性好的初始解，并解决以最小化单元流水时间为目标的跨单元调度问题。Mojdeh等^[4]人提出了一种考虑到物料搬运时间和路径柔性的单元数学调度模型，以最小化单元的最大完工时间为目标，并开发了一种基于模拟退火的启发式算法求解该问题。Maghsud等^[5]人划分单元调度为单元内与单元间的两阶段调度，并提出了一种两阶段启发式SVS算法求解最小化完工时间为目标的单元调度问题范佳静、曹玉华等^[6]构建了一个以最小化零件延期交货、工作人员人数以及跨单元次数、自动引导小车数量为目标的多资源单元调度问题，并改进分散搜索算法中子集生成和合并，以及采用模式搜索来改进解，最后用改进的分手搜索算法来求解该问题。贾凌云、李冬妮等^[7]提出了一种以改进的混合蛙跳算法为框架，并结合遗传规划的超启发式算法，解决了以最小化总加权延迟为目标的跨单元调度问题。田丽丽^[8]通过构建逻辑（虚拟）单元，提出了以完工时间和运输距离加权最小的多目标动态调度模型，并采用遗传算法对其该问题进行求解。李邈^[9]提出了一种基于遗传规划和遗传算法的超启发式算法，并采用此算法对以最小化加权延迟总和为目标的调度模型进行求解。

2) 多目标调度问题现状