多目标无等待流水调度是存在于工程应用、经济、管理、军事和系统工程等众多领域的优化问题。解决此类问题主要有两种方法：把各个独立的目标函数合并成一个复合型函数、利用Pareto最优解集提供候选解，工程应用中更偏向于采用后者。但如何在保证高效率的前提下获得完善的Pareto解集是一个重要问题。 考虑多目标调度问题中目标经常彼此冲突，一个目标的优化常常劣化其他优化目标，提出双关键字捧序的Pareto分类法将可行解集分解为满足各个目标而彼此又不互相支配的类，改变传统上分别对每个目标进行排序并多次扫描的方法，大大提高分类效率.提出交叉、变异等遗传操作的目标增量性质，在评价遗传算法进化过程中产生的大量个体时，不必计算整个序列的目标值，而只需计算变化的位置或小部分序列的值，可大大减少计算时间，提高算法搜索效率。为获得尽可能多的Pareto最优解，提出双目标局部搜索策略，仅在精英文档中搜索邻域解，并只需根据邻域解的目标增量值大小决定取舍，缩短计算时间，提高搜索效率。为提高解的分布均衡性，提出利用拥挤距离的作为衡量标准淘汰精英文档中相同或相似个体。 在大量模拟数据上验证所提出方法，实验结果表明所提出基于目标增量的双目标无等待流水调度算法可以获得分布广泛、高质量的Pareto最优解，执行效率较同类算法也有明显的提高。