在科学研究领域、工程应用领域和现实生活中,经常会遇到一类称为多目标优化的问题:这类问题要求在给定的条件下找到能够同时满足多个目标的解决办法。很多问题都可以抽象为多目标优化问题,该问题的求解已得到工程界和学术界的广泛关注。NSGA-Ⅱ算法是一种解决多目标优化问题的经典算法,具有较高的求解效率,可在一次运行过程中得出多个高质量的解,成为了其它多目标优化算法进行性能对比的基准算法。随着NSGA-Ⅱ应用的广泛应用,一些问题也显现出来,首先NSGA-Ⅱ在整个运行过程中运行参数保持不变,不能根据环境变化对其自适应调整,这样的设置导致算法在进行迭代时,容易将优良解通过交叉或者变异而丢失,难以对解空间实现高效搜索,导致算法的寻优能力下降;其次NSGA-Ⅱ算法采用的是模拟二进制交叉算子,而使用二进制交叉算子在进行交叉操作时,需要设定常数参数来指导算法的搜索,但实际情况是该常数值的设定具有主观性且在一次实验中不能根据算法的不同阶段对该常数分别设置,导致在进行搜索时容易出现早熟。综上所述,本课题针对NSGA-Ⅱ存在的上述两个问题,将自适应策略和正态分布交叉算子引入NSGA-Ⅱ算法中,做出以下两点改进,提高了算法的运行效率,改善了算法的收敛性和多样性。第一,本课题针对NSGA-Ⅱ不能自适应调整变异和交叉概率的问题,提出了一种基于自适应策略的非支配排序算法。该策略根据算法的运行代数动态调整交叉和变异概率,提高了算法全局搜索能力,从而起到抑制早熟、加快收敛速度、增加种群多样性的作用。第二,针对NSGA-Ⅱ算法采用的模拟二进制交叉方法搜索能力较弱,容易陷入局部最优等不足。本课题采用基于正态分布交叉的方法。通过推理与分析证明了该方法的可行性。将两种改进融合后形成的基于正态分布交叉算子的自适应非支配排序遗传算法,通过与NSGA-Ⅱ的对比实验证明,新算法能够跳出局部最优解,且具有更强的空间搜索能力。可以获得更高的收敛性和多样性,提高算法的运行效率,找到更优的Pareto解集。针对解决多目标柔性车间调度问题时,需要对设备进行分配,本课题提出了基于均匀设计的分配方法。该方法将工件、工序、设备通过均匀设计表结合起来,形成对应关系,最后完成设备的分配。同时加入改进后的NSGA-Ⅱ算法应用于解决以最大完工时间、总延期、设备总荷载和能耗总量为目标的多目标(FJSP)。通过多次仿真实验证明,改进后的算法在解决多目标柔性作业车间调度问题时,优化了算法的性能,提高了求解最优解的能力。对应用于解决实际问题提供了重要的理论依据。