1.一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于：其包括以下步骤：

1)根据待调度生产任务的工艺参数和生产资源信息建立约束条件，并根据所述约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型；

2)根据所述约束条件进行加工资源选择；

3)根据所述约束条件和所述加工资源选择进行批量划分；

4)根据多目标优化算法、步骤2)中的加工资源选择和步骤3)中的批量划分对所述生产调度模型进行优化求解，得到纸盆车间排产方案。

2.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，所述约束条件为：各生产任务有一定的数量需求，在各道工序可采用分批生产的策略组织加工；各生产任务所含工序需要按工艺顺序进行；各工序对资源的需求不同，按需求进行加工资源的选择；模具可以在需要的时候，从一台机器转移到另一台机器；对于需要多种资源配合的工序，在所涉及的加工资源均空闲的情况下才能开始加工；在同一加工资源上，当前的加工任务结束后才能开始下一任务的加工。

3.根据权利要求1或2所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，所述生产调度模型中包括完工时间最短目标以及节能目标，完工时间最短目标：建立完工时间最短关系式min Cmax，根据各生产任务的完工时间得到所有任务的完工时间，Cmax＝max{Ci|i＝1，2，...，N}，其中，i为第i个生产任务，N为生产任务个数，Ci为生产任务i的完工时间，Cmax为所有任务的完工时间；

节能目标：建立生产能耗最小关系式：min E，根据各任务各道工序在加工机器上的任务分配情况，计算生产能耗，其中，l为第l台机器，M为机器数，j为第j道工序，Oi为生产任务i所含工序数，pei，j，l为生产任务i的第j道工序在机器l上的单位时间加工能耗，uti，j，l为生产任务i的第j道工序在机器l上的单件加工时间，nmi，j，l为生产任务i的第j道工序分配到机器l上的加工批量；若生产任务i的第j道工序不需要配备机器，或者未分配到机器l上，则nmi，j，l＝0。

4.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤2)中加工资源选择步骤如下：

2.1)清空加工资源集RC和最早可用时间集TRC，设置集合内资源数nRC＝0；

2.2)若生产任务i的第j道工序仅需要配备机器，则选出可用的机器，设置nRC为可用机器数，并将机器按机器的最早可用时间与单件加工时间之和的大小先后顺序排列，将机器编号依序纳入加工资源集RC，将机器最早可用时间依序纳入最早可用时间集TRC；

2.3)若生产任务i的第j道工序既需要配备机器还需配备模具，则选出可用的机器和可用的模具，取可用机器数和可用模具数的最小值作为nRC值，将机器按其最早可用时间与单件加工时间之和的大小先后顺序排列，将模具按其最早可用时间先后顺序排列，取前nRC台机器与前nRC个模具一一组成加工资源组合纳入RC，并取各组合里机器和模具的最早可用时间的最大值依序纳入最早可用时间集TRC；

2.4)若生产任务i的第j道工序不需要机器和模具，则选出可用的操作人员，设置nRC为可用人员数，并按人员的空闲时间与单件加工时间之和的大小先后顺序排列，将人员编号依序纳入加工资源集RC，将人员空闲时间依序纳入最早可用时间集TRC。

5.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤3)中，

3.1)检查步骤2)所得的最早可用时间集TRC，对于集合中小于Ci的最早可用时间，将其设置为Ci；

3.2)对于RC中的每个资源r，根据计算其分配的子批量，nmi为生产任务i的加工批量，nmi，j，r为生产任务i在第j道工序分配到资源r上的子批量，uti，j，r为生产任务i的第j道工序在资源r上的单件加工时间；

3.3)对于RC中的每个资源r，若存在划分所得批量nmi，j，r＜0，则找到对应nmi，j，r值最小的资源，将该资源从RC中移除，并将该资源的最早可用时间从TRC中移除，返回步骤3.2)重新进行分批；否则，执行步骤3.4)；

3.4)在RC中找到对应nmi，j，r小数部分值最大的资源，记为资源r*，对于RC中每个资源的nmi，j，r值进行取整操作，并设置 并将生产任务i所含批量分配到RC中的加工资源上进行分批生产；

3.5)对于加工资源集RC中涉及的资源r，若nmi，j，r＞0，则更新资源的可用时间为TRCr+nmi，j，r×uti，j，r；

3.6)更新生产任务i的完工时间Ci，即设置

6.根据权利要求1所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤4)中：

4.1)设置种群规模和最大迭代次数；

4.2)用基于工序的整数编码个体表示待调度生产任务的排序信息，初始化种群；

4.3)根据所述加工资源选择和所述批量划分对种群中的每个个体进行解码；

4.4)找到种群中的非支配解，组建非支配解集Pareto_best；

4.5)对种群中每个个体采用插入、互换操作产生新个体；

4.6)对步骤4.5)产生的新个体进行解码，执行选择操作，并更新非支配解集Pareto_best；

4.7)重复步骤4.5)至4.6)直到达到设定的最大迭代次数。

7.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤4.3)中解码步骤如下：

4.3.1)设置h＝1，对种群中个体h进行解码；

4.3.2)设置m＝1，设置各资源从0时刻开始可用，设置Ci＝0，i＝1，2，...，N；

4.3.3)获取个体h上排在第m位加工的生产任务序号i、工序号j；

4.3.4)为生产任务i的第j道工序选择加工资源；

4.3.5)将生产任务i所含批量在第j道工序分配到各加工资源上进行分批生产；

4.3.6)设置m++，重复步骤4.3.3)～4.3.5)直至每个生产任务的所有工序均完成加工资源的选择和批量划分；

4.3.7)根据生产调度模型中的所有任务的完工时间和生产能耗计算个体h的完工时间和生产能耗目标值；

4.3.8)设置h++，重复步骤4.3.2)～4.3.7)直到种群中所有个体完成解码操作。

8.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤4.5)中：

4.5.1)设置h＝1，对种群中个体h执行插入、互换操作，所得的新个体记为个体h’；

4.5.2)随机产生[1，L]之间的两个整数m1和m2，m1≠m2，其中 表示个体的编码长度；

4.5.3)获取个体h上排在第m1位加工的生产任务序号i1，获取个体h上排在第m2位加工的生产任务序号i2；

4.5.4)若i1＝i2，则在个体h基础上，将第m2位任务插入到第m1位，得到新个体h’；

4.5.5)若i1≠i2，则在个体h基础上，将第m2位任务与第m1位任务互换，得到新个体h’；

4.5.6)设置h++，重复步骤4.5.2)～4.5.5)直到为种群中的所有个体产生一对一的新个体。

9.根据权利要求6所述的一种基于多目标优化算法的纸盆车间生产调度方法，其特征在于，步骤4.6)中：

4.6.1)设置h＝1；

4.6.2)对步骤4.5)新产生的个体h’进行解码；

4.6.3)若新个体h’被原个体h支配，则放弃新个体h’，保留原个体h，执行步骤4.6.10)；

4.6.4)若新个体h’支配原个体h，则将种群中的个体h替换成新个体h’，并与Pareto_best中的非支配解一一比较，去除Pareto_best中被个体h支配的解，执行步骤4.6.10)；

4.6.5)若新个体h’与原个体h非支配，则将新个体h’与Pareto_best中的非支配解一一比较，执行步骤4.6.6)～4.6.9)；

4.6.6)若新个体h’支配Pareto_best中某个解，则去除Pareto_best中所有被新个体h’支配的解，并执行步骤4.6.7)，否则，执行步骤4.6.8)；

4.6.7)若原个体h不是非支配解，则将种群中的个体h替换成新个体h’并纳入Pareto_best，若原个体h是非支配解，则随机选择种群中的支配解替换成新个体h’并纳入Pareto_best，执行步骤4.6.10)；

4.6.8)若新个体h’与Pareto_best中所有解均为非支配，执行步骤4.6.7)；

4.6.9)新个体h’被Pareto_best中某个解支配，若原个体h是非支配解，则放弃新个体h’，否则将种群中的个体h替换成新个体h’；

4.6.10)设置h++，重复步骤4.6.2)～4.6.9)直到为新产生的所有个体完成选择操作。

10.一种基于上述权利要求1至9任意一项所述的基于多目标优化算法的纸盆车间生产调度方法的调度系统，其特征在于：其包括：信息获取模块，用于获取纸盆车间的待调度生产任务、工艺参数和生产资源信息；

模型建立模块，用于根据信息获取模块获取的信息建立约束条件，并根据约束条件建立以完工时间最短和节能为目标的纸盆车间生产调度模型；

优化模块，用于根据所述多目标优化算法、加工资源选择和批量划分对生产调度模型进行优化求解；

输出模块，用于将优化模块所得非支配解作为纸盆车间排产方案输出。