随着3D打印市场的愈加壮大,与互联网技术相结合的3D打印云服务平台也逐渐增多,规模化3D打印制造成为3D打印技术发展的必然趋势。与传统生产制造模式不同,3D打印制造具有一次成型、定制化、差异化、小批量等特点,所以任务调度对于集群式3D打印制造体系尤为重要。一个好的任务调度方法不仅能够指导打印制造活动顺利进行,更能够降低打印时间和打印成本,保证制造企业的利润和竞争力。为了寻找合理的任务调度方法,本文通过分析3D打印任务调度的过程,建立以打印时间最短和打印成本最低为优化目标的3D打印多目标优化任务调度问题模型,针对3D打印任务调度的特征对遗传算法进行改进,应用改进后的遗传算法求取该优化问题的最优解,最终得到基于改进遗传算法的3D打印多目标优化任务调度方法,并设计3D打印任务调度实验测试平台,进行实验验证。课题研究所做的具体工作如下:（1）对比传统3D打印任务调度方法与3D打印多目标优化任务调度方法之间的差别,突出后者的优越性。通过对3D打印多目标优化任务调度整体流程的研究,从相关问题定义、约束条件、目标函数三个方面建立优化问题模型,为了简化问题,采用n范数加权法将多目标优化问题转化为组合目标优化问题。（2）针对3D打印任务多目标优化调度问题的特点以及传统遗传算法存在的缺陷,提出改进遗传算法的方法,一方面在子代选择过程中引入浓度平衡机制与抑制条件,另一方面在迭代过程中把三轮迭代转变为一轮迭代。设计应用改进遗传算法求解3D打印多目标优化任务调度问题的步骤,并进行实例仿真实验去验证改进遗传算法的优越性。（3）明确3D打印任务调度实验测试平台的基本功能,设计包括系统处理层、调度决策层、方案执行层在内的整体架构,研究3D打印资源信息化封装和存储、异构3D打印机远程智能接入、3D打印机智能控制和状态监控等关键技术,编写3D打印任务调度实验管理系统软件,最终在搭建好的实验测试平台上通过实例制造实验验证所设计基于改进遗传算法3D打印多目标优化任务调度方法的有效性。