徐 明，张剑铭，陈松航，陈 豪

(1.福州大学电气工程与自动化学院，福建 福州 350108；2.中国科学院泉州装备制造研究所福建省复杂动态系统智能辨识与控制重点实验室，福建 泉州 362200)

0 引 言

在过去，人们遇到多目标问题时往往通过简单加权的方式把多目标问题转成单目标问题进行求解。多目标问题的加权求解方式虽然简单易行，但却面临求解结果过于单一且加权系数事先难以确定的问题。Pareto方法综合多个优化目标，摒弃加权系数给出一组Pareto最优解结果供选择，使解集变得更为灵活多样[1]。

柔性作业车间调度问题(Flexible Job Shop Problem, FJSP)是典型的多目标优化问题，它对传统作业车间调度问题(Job Shop Problem)作了进一步的拓展，使每个工件都可以在其对应的机器集中进行加工，消除了机器资源的唯一限制，具有更强的适用性[2]。相较而言，FJSP更贴近实际车间的生产，有着重要的现实意义。

近年对于求解FJSP这类多目标问题的研究主要集中在智能优化算法领域。姜天华[3]把遗传算子插入灰狼算法中以增强算法的全局收敛能力，同时加入了变邻域搜索算法提高了局部寻优能力，使算法得到更好的全局最优解。Tang等人在文献[4]中建立包含生产时间间隔的多目标车间调度模型，并将粒子群算法与模拟退火算法进行混合以求解FJSP。程子安等人[5]为解决FJSP问题提出了多种群遗传算法，通过优化种群初始化方法与种群精英个体互换的方式，增强了算法的收敛性能。文献[6]提出了改进的遗传算法，该算法在每次迭代中通过设置解的阈值来选择进入精英库中的个体，使得解集更为多样化。……