服装企业生产流程复杂，劳动力密集，生产产品种类较多，随着市场需求的变化，订单出现多样化、紧迫化、随机化的特点。目前服装企业基本都是依靠经验丰富的管理人员的经验、技巧手工进行作业调度，在调度时很难将资源约束和目标科学的整合起来，难以保证生产能力的均衡，缺乏科学性和合理性。因此，采用科学合理的方式和手段组织生产，是服装企业获得较高的客户满意度，提升市场竞争力的必要趋势。　　由于服装企业众多，本文选取具有代表性的江苏江阴某服装生产企业为研究对象，该企业具有两种类型的订单和两种流水线生产方式，实际作业调度时以最小化最大完成时间和最小化最大拖期时间为目标。数量较小的订单在每道工序只有一台机器的单条流水线上进行调度，数量较大的订单在每道工序可能有多台机器的混合流水线上进行调度。该企业采用的是传统人工经验编制作业的调度方式，该方式存在效率低、均衡性差、易于延误交货期等问题。　　针对该服装企业作业调度存在的问题，本文首先将单条流水线调度问题简化为置换flowshop问题，建立了多目标规划模型，模型综合考虑了调度的资源数量约束、作业加工时间和顺序约束。接着，将混合流水线调度问题简化为混合置换flowshop问题，由于工人操作的熟练程度不同，同一订单在同一道工序的不同机器上加工效率可能不同，本文在单条流水线多目标模型的基础上，加入人工熟练程度差异的约束，体现在同一工序不同机器具有不同的生产效率，建立了多目标规划模型。　　在用遗传算法进行多目标问题求解时，本文首先提出一种选择性动态调整权重的方法设计各子目标函数的权重，对遗传算法的每一代Pareto解改善程度的大小进行度量，用于计算每一代种群的权重系数，以使算法获得在改善指示方向上的选择压力，并据此对适应度函数进行设计。接着，针对单条流水线和混合流水线的多目标模型，分别设计了基于工件的编码方式和矩阵型的实数编码方式。最后，通过对企业生产实例的对比分析，证实本文提出的调度算法，相比企业常用的经验调度方法，不仅大大提高了作业编制效率，还有效地减少了订单加工时间和拖期时间，提高了企业的生产效率。