在日常的生产活动中,生产调度问题扮演一个很重要的角色。作为一类典型的组合优化问题,生产调度问题有很广泛的应用背景,比如港口货物装卸、物流运输业及通信领域等。研究生产调度问题的意义就是通过合理分配有限资源达到利益最大化,提高资源利用率及企业竞争力。随着社会的发展和科技的进步,生产调度问题也日益复杂,经典调度问题已经满足不了飞速发展的需求,人们将关注和研究的重心转移至批处理机调度问题,一般简称为批调度问题。批调度问题是从经典调度问题发展而来的,它们的主要区别在于批调度问题中一台机器可以同时加工多个工件,工件以成批的形式在机器上进行加工。批调度问题的问题背景比经典调度问题更复杂,涉及到的约束条件更多,也更趋向于现实中的生产情况。批调度问题的复杂性导致其难度更高,很多单机环境下的批调度问题都已经是NP难问题了,所以研究者们还在寻找更高效简便的解决问题的方法。首先,本文简要介绍了生产调度问题的研究背景及意义,然后采用经典的三参数表示法介绍了如何对调度问题进行描述,介绍了批调度问题的主要特点及研究现状,并从单机、多机、差异机器容量、拒绝成本、目标数等五个方面对批调度问题的研究成果做了简要概述。然后,针对批调度问题,简要介绍了几种求解算法。将这些算法基本分为三类,确定性算法、启发式算法以及元启发式算法。后又具体介绍了三类算法的特点、框架及几个有代表性算法的描述。接着研究了考虑机器差异容量、带有拒绝的,最小化制造跨度及拒绝成本的双目标平行批调度问题。先对研究的问题进行了描述,然后提出了用于解决问题的基于帕累托的蚁群优化算法FPACO。提出了基于弱约束的首工件选择算法,并根据问题特征设计了两个候选列表来提高蚁群的搜索效率,设计启发式信息和信息素来指导蚁群的搜索行为。为了进一步改善解的质量,提出了一种基于交换的局部优化算法。最后对FPACO算法进行了详细的描述。随后简要介绍了所用的对比算法,对实验和参数的设置进行了介绍,采用仿真实验来验证所有算法的性能的优劣,通过覆盖率、解空间等四种评价指标来衡量和分析算法性能。通过实验结果可以看出,本文所提算法FPACO的算法性能明显优于其他四种对比算法。为了更直观的比较五种算法,还绘制了一些实例上解的分布图。最后一部分对本文所研究的考虑拒绝成本的弱约束双目标批调度问题以及提出来的解决算法进行了总结,并指明了未来进一步研究的方向。