1.一种基于多目标非支配排序的车间布局调度优化方法，包括如下步骤：步骤1.通过调研、查找历史数据、追踪传感器或机器视觉传输技术对企业生产过程中与生产资源相关的数据进行收集，包括车间面积、设备种类及数量、产能、在制品数、生产工艺、车间布局；

步骤2.对生产车间的设备、布局及工序进行编码，并将企业生产过程中需考虑的制造过程总费用、完工时间、鲁棒性指标作为优化目标，建立优化模型；

1 2 N

步骤3.将上述数据导入，产生均匀的参考点集合λ＝{λ,λ,…,λ}，随机初始化规模为N的种群Pt，即其中包含N个不同布局编码、工序编码、设备分配编码，并根据负荷最大的设备最可能发生故障的假设及布局、工序和设备分配编码共同确定故障设备、故障发生的工序；其中布局编码、工序编码、设备分配编码一一对应；

步骤4.上述产生的种群Pt经过选择、交叉、变异，得到规模为N的子代种群Qt，父代种群和子代种群合并后得到规模为2N的种群Rt；

步骤5.Rt非支配排序过后，被分为F1,F2,…Fl若干层；

步骤6.取空集 将F1,F2,…Fl逐层加入其中，便有St＝F1∪F2∪…Fl，并且直到|St|≥N，做如下判断：如果|St|＝N，令Pt+1＝St，此时判断是否已经满足最大迭代次数：当满足最大迭代次数时，输出结果；若不满足最大迭代次数，则迭代次数+1，并返回步骤4，进行下一次的迭代循环直至满足迭代的终止条件；

如果|St|>N，此时St中最大支配等级为Fl，此时进入到步骤7；

步骤7.个体规范化，令 K＝N‑|Pt+1|归一化算子对St中所有个体目标归一化；

步骤8.设置聚类算子，连接原点和所有参考点，得到参考线，计算种群St中的每个个体到参考线的垂直距离，将每个个体关联到具有最小垂直距离的参考点上，并定义第i个参考点的小生境数为ρi，它表示St/Fl中与第i个参考点关联的个体数；

在该方法中，为了减少计算的繁琐，聚类算子以参考线与个体间的角度取代参考线与个体间的垂直距离进行个体与参考点间关联；假设待优化的目标函数为F(x)＝(f1(x),f2T 1 2 N(x),…,fM(x)) ，则参考点有λ＝{λ,λ,…,λ}， F(x)归一化转化为步骤9.小生境保持算子利用小生境数在Fl中选择K个个体放入Pt+1中；

小生境保持算子在保留原始选择机制的前提下，引入基于惩罚的边界交点PBI距离以j n提高方法的收敛性和分布性；PBI距离d(x)的计算如式(1)‑(3)所示，其中λ是F(x)关联的n n参考点， 是F (x)在参考线L上的投影， 是F (x)到参考线L的垂直距离，θ是自定义j的惩罚参数，参考线L即λ与原点的连线；

其中小生境算子的流程如下：

(a)St中最后一个非支配等级为Fl，在Fl中筛选个体的数量为K＝N‑(|St|‑|Fl|)；

(b)令 计算Pt+1中的小生境数ρj；

(c)令k＝0，确定小生境数最小的参考点集合Jmin；如果|Jmin|>1，则随机选择一个参考点，将该参考点的相关层数个体做集合记为 并做如下判断：当 时，从λ中删除参考点

当 时，进入步骤(d)；

(d)对小生境数ρj进行判断：

如果 选一个垂直距离 最小的个体进入Pt+1；

如果 确定极小值zmin，zmin来源与关联到参考点 的参考线且支配等级rank(x)

(e)有 k＝k+1；

步骤10.判断是否已经满足最大迭代次数：当满足最大迭代次数时，输出结果；若不满足最大迭代次数，则迭代次数+1，并返回步骤4，进行下一次的迭代循环直至满足迭代的终止条件；

步骤11.产生布局编码、设备分配编码，可根据结果对当前企业生产车间中的设备布局和生产调度计划进行更改和评估，从而产生满意结果。

2.如权利要求1所述的一种基于多目标非支配排序的车间布局调度优化方法，其特征在于：步骤9所述的惩罚参数θ设置为θ＝5。