近年来，企业为了更加有效地利用各种生产要素，创造更高的生产力，网络化制造成为一种新的企业服务模式。目前，对网络化制造研究主要集中在资源分配的模型及求解方法等方面，但提出的模型比较抽象，不够实际，求解模型的方法不足以求解更加复杂的资源分配模型问题。在此基础上，本文根据实际应用中的网络化离散制造，归纳总结出贴近实际生产需求的资源分配模型，并设计两种改进的遗传算法，提高了求解资源分配模型的效率和效果。首先，本文回顾了国内外对网络化制造的研究，以及对求解多目标优化问题的方法的研究，总结了网络化制造的关键技术、研究领域，并从中分析网络化离散制造与连续制造的区别，从而选定网络化离散制造作为研究目标。在此基础上，对网络化离散制造的特点进行分析，归纳总结了八种较为全面的网络化制造模式，并选取多任务整体最优分配模型进行求解。模型考虑到了离散制造中的企业个数、企业拥有的资源数、制造时间、制造成本以及运输时间等关键因素，求解时间和成本最优化的多目标问题。接着研究了常用的多目标优化方法，如分层序列法和最为常用的NSGA-II。在Pareto遗传算法和分层序列法的思想上，设计了强Pareto遗传算法(SPGA)和分层序列遗传算法(LMGA)。最后，本文根据一个具体的网络化离散制造资源分配案例，运用SPGA、LMGA和NSGA-II对案例模型进行求解，给出了适合各种不同需求的最优资源分配方案及制造时间和成本，并对三种结果进行分析。实验表明，建立的网络化离散制造资源分配模型考虑到实际生产中的关键因素和约束条件，按照网络化制造实际生产过程的思路设计模型，具有有效性和实用性。设计的两种算法均有效，并且在效率和效果上都优于NSGA-II。研究结果对网络化离散制造资源分配具有一定的指导意义。