生产调度问题作为运筹学中的重点研究问题之一,有着众多的应用场景并且长期受到专家学者的关注。近年来,随着工业技术发展和进步,工业生产环境逐渐趋于多元化、复杂化、智能化。想要在这种生产环境下尽可能压缩生产成本、扩大企业利润,决策者对于人力、机器、原料、能源、时间等有限资源的合理分配则显得尤为关键,这也正是生产调度的主要目的。生产过程中的优化问题如何通过设计算法获得高效的求解方案已经成为现代企业决策者不可忽视的问题之一。批调度问题作为生产调度问题的重要分支之一,广泛应用于铸造业、家具制造、金属制造、航空制造、制药行业、物流货运等领域。在批调度问题中,允许将若干工件分配于同一机器同时加工。分配工件的操作被称为分批,且每个批的加工时间取决于批中加工时间最长的工件。另外,批在加工时不能被中断,直至加工完毕。由于现实的生产环境往往十分复杂,企业决策者在决策时常常会考虑兼顾不同的优化目标。因此,本文针对更接近现实生产环境的多目标批调度问题提出优化算法进行求解。首先,本文简要阐述了批调度问题的研究背景,并从生产环境和优化目标两个角度对批调度问题进行分类介绍,然后阐述了多目标批调度问题的研究意义。第二,本文从批调度问题和多目标进化算法两个方面介绍了已有的研究成果。第三,本文针对具有不同工件尺寸、加工时间、交付日期的异速平行机批调度问题进行研究,优化目标包括最大完工时间、总加权早到延迟惩罚和总能源消耗。第四,本文提出一个历史信息指导的多目标进化算法HGEA/D-L来解决所研究的问题。其中,基于两个结构指标的局部竞争策略可以提高种群质量加快算法收敛。其次,基于分解的内部替换策略通过提取精英个体的结构特征,更新历史信息矩阵,并通过历史信息矩阵来指导新个体的生成。随后,本文给出了所提出算法的时间复杂度分析。第五,本文选择了四个对比算法,设计了两组对比实验,综合地评估了所提出算法的性能。由实验可知,HGEA/D-L算法在多种指标下的表现均优于对比算法,同时显著性检验结果表明所提出算法与对比算法结果间存在显著差异。最后,本文对所研究的多目标批调度问题和所提出的历史信息指导的基于分解的多目标进化算法进行了总结,并阐述了未来进一步的研究方向。