随着全球制造业的飞速发展,市场竞争压力逐渐增大,企业在寻求技术突破的同时,科学合理的安排生产资源、保证设备稳定高效的运行是实现企业利润最大化的新方向,生产调度是重要的要素之一。车间的生产模式从单机、并行机逐渐转变为流水车间（Flow-shop Scheduling）、混合流水车间（Hybrid Flow-shop Scheduling）。在实际生产过程中,随着运行时间的增长,设备可靠度逐渐下降、故障率逐渐增加,必须对设备进行预防性维护。生产目标与设备管理目标之间耦合现象严重,制定排产计划更加困难。本课题以混合流水车间为研究对象,以系统的makespan（完工时间）与设备单位时间预防性维护成本为优化目标进行联合优化,主要研究内容包括以下几点:（1）对混合流水车间调度与单阶段预防性维护问题进行研究。首先分析了混和流水车间系统的生产工艺约束与时间约束,其次根据实际应用场景确定了预防性维护对象,即在某些器件特殊生产阶段,只对单一阶段的并行机采取预防性维护操作,如航空航天、精密仪器等对精度要求极高或设备昂贵的生产阶段。最后基于设备的可靠度理论,进行设备的预防性维护操作。基于上述研究,量化排产计划与设备维护之间的耦合关系,建立以系统最小化的完工时间与单阶段预防性维护成本为优化目标的多目标数学规划模型。（2）针对本文的多目标优化问题,选择带有精英策略的非支配排序遗传算法（Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ）。结合本课题的特殊性提出了自适应NSGA-Ⅱ算法,将选择方式、交叉变异概率进行了提高。采用两部分的编码方式,即生产部分采用矩阵编码,维护部分则使用0/1编码方式;引入非支配层抽取、锦标赛选择填充的思想,保证种群数量的前提下增加了多样性;考虑固定的交叉变异概率的弊端,设计了自适应的交叉变异算子,在算法初期以较高的交叉变异概率增大算法搜索范围,在迭代后期降低概率以达到保留最优解的效果,提高了种群多样性和算法的收敛速度,克服早熟现象。（3）采用C++语言编写程序,将不同规模的调度问题在不同参数条件下的传统NSGA-Ⅱ算法与自适应NSGA-Ⅱ算法进行对比并绘制Pareto前沿曲面图,通过前沿解的个数、散布范围以及Pareto支配比例作为多目标优化算法的评估指标。多组数据的实验结果表明,自适应NSGA-Ⅱ算法多样性较优,散布范围更广同时求得的makespan与单一阶段预防性维护成本更小,更多的前沿解为决策者提供了选择。