如何更好地进行生产与资源调度是每一个制造企业都必须认真考虑的问题。自上世纪50年代以来,调度与排序已经成为了一个学术热点问题,然而,学术研究与生产实际之间存在着不小的差异:绝大多数调度文献研究的是单目标生产环境,而在实际情况中生产调度往往涉及多个性能指标。目前,多目标调度问题正受到日益广泛的关注,其求解方法可以分为三类:先验式,交互式以及后验式。本论文涉及其中的后验式以及交互式求解方法。首先提出一种基于自组织映射神经网络的策略来生成Pareto边界;在此基础上,根据Pareto边界的不同形态,应用了两种多目标决策支持系统精选出决策者最为满意的Pareto解,从而构建了完整的后验式多目标调度解决方案。另外,针对调度问题规模增大且精度要求不十分高的情况,提出一种交互式多目标调度策略。归纳起来,本论文主要做了以下几方面的工作:提出一种基于自组织映射神经网络的策略来生成近似Pareto边界。该方法首先使用拉格朗日松弛法获得若干Pareto解,从而将搜索范围划分为若干区域。对于每一个区域,构造两个并发运行的自组织映射神经网络搜索区域中的Pareto解。针对分区域聚集型Pareto边界,提出先进行聚类处理以减少备选方案,再使用PROMETHEE决策支持系统对决策者进行引导;针对密集分布型Pareto边界,提出一种交互式多目标决策支持策略,采用“divide and conquer”的方法帮助决策者在繁多的Pareto解中找到自己“心仪”的调度方案。为了解决大规模多目标生产调度问题,提出一种基于级别高于关系的交互式策略。首先,向决策者提供问题的理想情况与最差情况。当其表达期望值后,求出一个Pareto解作为基准点。在此基础上,根据决策者输入的偏好信息,获得一个级别高于区域,从中决策者可以做进一步选择。