随着市场化竞争日益激烈及用户的个性化需求趋势日渐显著,制造企业面临着如何以较低成本较快生产出多品种、中小批量的产品等现实问题,尤其在航天、齿轮生产、汽车制造等领域,产品种类繁多、生产批量小、工艺路径复杂多变等因素,造成了生产组织效率低和生产资源浪费大的现象。单元制造模式具备了传统job shop模式的柔性而又有传统flow shop的效率,已成为提高企业生产效率、降低生产成本的有效手段之一。成功的单元制造系统设计需要解决三大问题:单元形成问题、单元布局问题及单元调度问题。其中单元形成问题是单元制造系统设计的首要步骤。针对考虑多工艺路径和工艺顺序的单元形成问题,30多年来研究甚多。研究者们通常提出混合整数规划的数学模型,并聚焦于应用快速有效的启发式算法方法求解近优解,如遗传算法、粒子群优化算法等。启发式算法的广泛应用,不仅是因为这些算法的执行效率良好,也因为所建立的非线性模型难以在合理的时间内精确求解。然而启发式算法的局限在于使用者对于所得解的优越性并未可知,故有必要建立易于精确求解的线性化数学模型,从而为启发式算法所得解的优越性提供对比依据。使用改进的单目标布谷鸟算法对模型进行求解,针对模型的特点对算法进行了离散化处理。针对现阶段的制造型企业,在传统单元构建模式优化生产流程的基础上,进一步考虑零件的多元属性带来的生产影响,如尺寸大小、材质、热处理工艺等,从而建立以最小化物料流动和最大化单元内零件相似度的双目标的动态单元形成模型,该模型实现了零件多元属性带来的混合数据的距离计算方式,同时广泛涵盖了多工艺路径、工艺顺序、同型机及单元规模等生产流程要素,基于动态单元数的求解模式,对最优的单元内设备和零件配置进行决策。本文对多目标布谷鸟算法进行了设计,在现有布谷鸟算法研究的基础上,融合遗传算法的部分算子,并对算法的离散化操作等进行了处理。最后,使用企业生产仿真数据和文献数据对模型和算法进行实例研究。构建一系列性能评价指标衡量算法的有效性,并对算法参数的选择做出了分析。数值实验结果证明了本文模型和算法的有效性,对制造型企业的生产实际有很强的指导意义。