流水线调度问题(Flow Shop Scheduling Problem,简称FSSP)在现代工业、农业、商业等领域普遍存在。有效解决流水线调度问题对提高生产效率、节约资源消耗等方面有重大意义。由于现实中的流水线生产存在大量的不确定因素,因此模糊流水线调度问题近年来成为国内外学者的研究热点。其中,有限制条件的模糊多目标流水线调度问题(Fuzzy Multi-objective Permutation Flow Shop Scheduling Problem,简称FMOPFSSP)适用范围较广,因其具有NP-hard性质,求解算法尚待进一步优化研究。目前在求解多目标流水线问题中很多算法运用到了非支配集和基于分解的策略,但是这些算法比较粗糙,还有很大的提高空间。本文研究的是求解任务工作时间和截止时间模糊化的条件下,以优化最终完成时间(Makespan)和总流程时间(Total Flowtime)为目标的FMOPFSSP。用新的模糊隶属函数和比较级组合方式进行建模,设计一个基于分级的模糊多目标调度算法处理该模型,并且本文还对不同的模糊化截止时间进行了比较,以便于更好地确定算法适合的应用场景。首先,本文建立了两个新的模糊多目标流水线调度问题模型,模糊任务工作时间和截止时间的条件下,实现对最终完成时间最小、总流程时间最小两个目标的优化。该模型根据模糊理论,用不同的模糊方式建立了两种模型,一种是用梯形模糊隶属函数模糊工作时间和截止时间,另一种是分别用梯形模糊隶属函数和半梯形模糊隶属函数模糊工作时间和截止时间,并采用质心比较法(On the Centroids of Fuzzy Numbers)和置信度比较法(Possibility Measure)对两种模糊数大小进行比较。其次,本文设计了基于模糊多目标Pareto局部搜索算法(Fuzzy Multiobjective Pareto Local Search based on Decomposition,简称FMOPLS/D)。该算法是基于分解的多目标流水线算法框架,加入NEH启发式和Pareto精英策略实现多目标优化。本文采用超体积指标(Hyper-Volume Indicator)和集合覆盖(Set Coverage)两种指标对FMOPLS/D算法的实验结果进行评估。根据实验结果对算法中的参数进行选择,以提高局部搜索的效果。与非支配排序带有精英策略的多目标优化算法(NSGA-Ⅱ)相比,FMOPLS/D算法得到的解集将超体积指标提高了3倍,集合覆盖指标提高明显。本文进一步研究了FMOPLS/D算法在不同类型截止时间条件下的性能优化。实验结果表明,该算法在截止时间种类较分散且分布比较集中的时候效果最好。综上所述,本文提出的新型模糊多目标流水线调度问题模型及优化算法可有效解决相关问题中的不确定性和多目标优化,并且有潜力解决实际生产过程中的复杂多目标调度问题。