设施布置问题长久以来都是工业社会持续关注的学科领域,早期制造企业的设施布置所面对的市场环境稳定,所以其自身结构也相对单一而静态,即可在企业的发展期内满足生产品的市场需要。随着国民经济的不断发展,生产技术水平不断提高,影响企业设施布置的因素也在不断增多,传统的设施布置方式虽发展成熟更自成完整体系,但其根本仍为主观意识的判断,通过方案比选的设施方案不具备说服力。因此,多目标的设施布置优化问题亟待解决。本文首先对传统的经典设施布置理论进行阐述,介绍了设施规划理论基本架构,对系统化设施布置方法SLP理论进行比较系统的分析,总结其优缺点,传统经典设施布置的理论虽然有定量和定性的考虑,但其系统性也导致过多注重整体性的效果,而缺少对特定目标的考虑,从而使方案设计缺少灵活性。本文的优化策略,正是在原有基础上,对传统系统设施布置方法的步骤进行了优化。其次,本文通过对常用算法的对比和分析,总结出各自的优缺点,最终选取粒子群算法作为优化方案的算法,并提出利用改良的粒子群算法解决设施布置多目标问题。此算法根据moclpso利用历史最好位置来更新粒子速度的学习策略,采纳学习概率和精英概率的概念,前者决定粒子学习的对象,后者决定粒子速度要学习的维数,从而摆脱固定传统的固定学习对象和固定学习维数,更加符合实际最后,本文选取机械制造类企业为案例,以影响企业盈利的两个直接因素:物料搬运量和生产周期为优化目标建立模型,为更加直观的体现粒子群算法的优越性,同时采纳经典遗传算法作为优化算法,并在实现基于不同算法的方案优化后,将初始方案和两种算法优化而得的方案进行对比。本文规避了经典系统化设施布置方法的缺点,并结合多目标理论,利用当下发展迅速的粒子群算法解决问题,对设施规划领域的类似优化问题同样有指导意义,具有实用价值。