随着现代社会的不断发展,飞机已经成为越来越多人的出行选择。面对持续增长的民航旅客运输量,航空公司需要增设更多的航班线路来满足民众的需求。由于我国目前的飞行人员较为紧缺,如何能够充分发挥机组成员的最大效益成为解决关键。不合理的排班计划可能会导致飞行人员疲劳驾驶,不仅影响成员的工作状态,而且还会降低飞行质量,为民众出行埋下安全隐患。因此,优化航班与机组成员之间的资源分配对于民航业的高质量发展具有重要意义。现有的研究工作主要从最大化航空公司利润的角度来优化机组排班方案。然而,机组排班也与机组成员的切身利益相关,尤其是机组排班的公平性和满意度对机组成员的工作效率和情绪状态有着重要影响。针对这个问题,本文从机组成员的角度提出了一种新的机组排班问题实用模型,该模型同时考虑了公平性和满意度。为了有效解决该多目标机组排班问题,本文基于多种群多目标框架和蚁群系统拓展成多目标蚁群算法（Multiobjective Ant Colony System,MOACS）。MOACS的主要贡献体现在三个方面。首先,MOACS利用两个蚁群分别优化公平性和满意度目标。其次,为了避免蚁群只聚焦于自己的优化目标,本文提出了一种包含三种启发式信息的混合互补启发式策略,以帮助算法充分探索帕累托前沿。三种启发式信息分别是公平性启发式信息、满意度启发式信息以及关于公平性和满意度的集成启发式信息。最后,本文还设计了一种局部搜索策略,分别针对公平性和满意度两个优化目标进行局部搜索操作以进一步提高解的精度,从而逼近全局帕累托前沿。本文采用北美一家航空公司的七个不同规模的真实月度实例对所提出的MOACS算法进行性能测试。实验结果表明,MOACS算法的性能优于贪心算法和现有的一些多目标优化算法,在大规模实例中的优势尤为突出。