基于帕累托方法的多目标平行机批调度解决方案

　　批处理机（Batch processmg machine，BPM）调度问题兴起于二十世纪九十年代初，是从半导体生产过程的最后阶段中提炼出来的一种新型调度问题，具有广泛的应用背景（Uzsoy，1994；Dupont and Ghaz-wm，1998 ；Melouk et al．，2004。平行机批处理是一个非常传统的研究分支，也是调度问题的一个重要分支。于经典调度问题不同的是，一个机器加工多个工件。因为这类问题不仅要把工件按要求分配到机器上，还要把工件按照不同的规则分批。这类问题要比经典调度复杂的多，己知的批调度问题都是NP难问题。从现有的文献调查平行机批调度问题去解决的目标有最小化最大完工时间、总加工时间、总成本等等。找到正确的工件分配序列来满足上面的多个目标问题的约束仍是个具有挑战的任务。

　　目前有大量的研究人员对上述的目标问题进行研究，发现的各种确定性和不确定性类型方法来解决上述问题。如线性规划、遗传算法、动态规划、整数编程、蚁群优化、微粒群（Patrical Swarm　Optimization，PSO）算法吲、模拟退火等等。

　　现在关于批调度的研究通常集中在生产效率和完I时间相关的目标上，此类目标倾向于找到较早或按时完工的方案，总体上与客户满意度相关。而在另一方面，制造商所关注的利润成本上的研究较少。在当前的绿色背景下，能源所占的比重较增大，成本更应成为评价调度的重要指标。