随着城市轨道交通的发展,地铁运营路线逐渐增大,地铁生产需求也日益增多。本文研究的地铁车箱生产调度问题,是一类特殊的多目标流水车间调度问题,即Fm|ri,prmu,k|∑Ti（opt）,Cmax问题。在该流水车间中,产品固定在加工工位上不动,各生产班组和设备等按产品的工艺流程进行滚动式作业,即需要考虑k工位数约束,现有文献中研究的还比较少。同时为满足实际生产中目标之间主次需求,本文提出一种多目标求解方法,该方法以最小化总延迟时间为主要目标,在总延迟时间相同的基础上,以最小化总完工时间为次要目标,根据该决策策略,构造了多目标函数。本文就Fm|ri,prmu,k|∑Ti（opt）,Cmax问题,建立了混合整数规划模型,设计了改进遗传算法进行求解优化。改进遗传算法主要提出了基于最小空闲时间（Least Idle Time,LIT）的Nawaz-Enscore-Ham（NEH）启发式算法生成一个初始解,提高了初始种群的多样性和质量。其次,在适应度函数计算的过程中,将工位数约束和多目标函数特点融入了其中。考虑到遗传算法和NEH启发式算法在前置优化计算方面的差异,以种群覆盖度和相同运行时间为终止准则。最后使用Python编程进行了实现。在算例对比分析中,除了证明了改进遗传算法较一般遗传算法和NEH启发式算法性能更优之外,还发现当产品数和工序数都比工位数大时,增加一定数量的工位数,求解得到的调度方案也越好;同时利用算例对各目标函数进行分析,阐述了目标函数之间的比较过程,进一步证明了本文提出的多目标求解方法的有效性。最后实际的仿真试验表明,改进遗传算法求解得到的调度方案,较原始调度方案的优化效果显著,为求解地铁车箱生产调度问题提供了科学的决策依据。