1.优化两生产指标的柔性作业车间调度多目标分布估计方法，其特征在于，包括以下步骤：步骤1、获取加工数据信息，加工数据信息包括柔性作业车间的工件和相应的工序，加工机器和相应的加工时间、释放时间，以及交货期；

步骤2、以最小化最大完工时间CM和总拖期时间Tard为优化目标，建立柔性作业车间调度模型；

步骤3、采用基于拥挤距离和最早完工时间规则的多目标分布估计方法来优化所述柔性作业车间调度模型，获得最优化的调度方案解集，所述的步骤2中，最大完工时间CM和总拖期时间Tard基于以下公式：其中，CM为最大机器完工时间，Tard为总拖期时间，Ck为第k台机器的完工时间，Ci为第i个工件的最大完工时间，di为第i个工件的交货期，m为机器总数，n为工件总数，所述的步骤2中，柔性作业车间调度模型的约束条件如下：Fijk+Tiijk≤Sghk i,g＝1,2,...,n；k＝1,2,...,m；

Sij+Tiijk≤Si(j+1) i＝1,2,...,n；k＝1,2,...,m其中，Fijk为第i个工件的第j个工序在第k个机器上的起始加工时间；Sghk为第k个机器的后续工序Ogh的起始加工时间；Sij和Si(j+1)分别表示第i个工件的第j个工序和第j+1个工序的起始加工时间；Tiijk为第i个工件的第j个工序在第k个机器上的加工时间，n为工件总数，m为机器总数，g为机器加工的下一个工件的序号，h为机器加工的下一个工件的工序的序号，所述的步骤3包括以下步骤：

步骤3.1、采用工序加工顺序向量和机器分配向量；

步骤3.2、对算法参数进行初始化，算法参数包括：种群规模pop，最大进化次数TMAX，优势种群比例系数η，Pareto解集的个数Nmax，工序概率矩阵P，工序概率矩阵P的学习系数β；

步骤3.3、在解空间内按均匀分布随机产生N个初始解，组成初始种群，每个解即为一个个体；

步骤3.4、计算种群中所有个体的最大完工时间和总拖期时间，确定个体之间的相互支配关系和每个个体的拥挤距离，根据支配关系和拥挤距离获得种群的Pareto解集，从种群中通过加权和的选择规则选择SP＝η*N个优秀个体组成优势种群，η为优势个体比例系数，N为种群的个体数目；

步骤3.5、工序概率矩阵P利用优势种群采用工序概率更新公式进行更新；

步骤3.6、根据工序概率矩阵P采用轮盘赌方法生成工序加工顺序方案，根据工序加工顺序采用最早完工时间规则获得机器分配方案，更新N个个体，组成新的种群；

步骤3.7、根据步骤3.6生成新的种群，在新种群和Pareto解集组成的合集中，通过支配关系和拥挤距离选择具有非支配关系和拥挤距离小的个体更新新种群的Pareto解集，同时在新种群和优势种群组成的合集中，通过加权和的选择规则选择SP个优秀个体更新优势种群；

步骤3.8，满足停止准则，则获得的最后的Pareto解集就是最优的调度方案解集；不满足停止准则，则转到步骤3.5继续执行。

2.根据权利要求1所述的优化两生产指标的柔性作业车间调度多目标分布估计方法，其特征在于，所述的步骤3.4中，相互支配关系定义如下：其中， 表示任意a， 表示存在a，B表示优化目标的数目，fa(u1)表示解u1的第a个目标的适应值，fa(u2)表示解u2的第a个目标的适应值；

对N个解的第a个目标的适应值进行升序排序，则定义的拥挤距离的数学描述如下：其中，CRmin,a表示第a个目标最小适应值的拥挤距离，CRmax,a表示第a个目标最大适应值的拥挤距离，CRv,a表示第a个目标非最大适应值和非最小适应值的拥挤距离，fa(v‑1)和fa(v+1)分别表示N个解第a个目标排序后第v‑1位置的适应值和第v+1位置的适应值， 表示排序后第a个目标适应值的最大值， 表示排序后第a个目标适应值的最小值，inf表示值为无穷大。

3.根据权利要求2所述的优化两生产指标的柔性作业车间调度多目标分布估计方法，其特征在于，所述的步骤3.5中，工序概率更新公式如下：其中，工序概率矩阵P的行数和列数均为工序总数，P的第l行第y列表示第l行代表的相应工序在工序加工顺序向量第y列位置出现的概率， 和 则分别表示工序概率矩阵P第l行第y列第t+1次迭代和第t次迭代时的概率，SP为优势种群中的个体数目，Ilyx为在第x个优势个体中与第l行代表的相同工序是否出现在工序加工顺序向量第y列位置，β为学习系数。

4.根据权利要求3所述的优化两生产指标的柔性作业车间调度多目标分布估计方法，其特征在于，第x个优势个体的工序出现在工序加工顺序向量第l行第y列的位置，Ilyx＝1；

第x个优势个体的工序没有出现在工序加工顺序向量第l行第y列的位置，Ilyx＝0。

5.根据权利要求4所述的优化两生产指标的柔性作业车间调度多目标分布估计方法，其特征在于，所述的步骤3.6包括以下步骤：步骤3.6.1、开始；

步骤3.6.2、定义输入变量：π为工序加工顺序向量；γk为在第k台机器上加工工序的索k引；Ψ为在第k台机器上的加工工序向量；

k

步骤3.6.3、对于每一台机器k，初始化γk＝0，Ψ(γk)＝Φ,Φ表示空集合；

步骤3.6.4、对于工序加工顺序向量π的每一列e，找出能够以最早完工时间加工第e列k工序π(e)的机器k，e为工序加工顺序向量的列序号,使得γk＝γk+1,Ψ(γk)＝π(e)；

步骤3.6.5、结束。