排序(Scheduling)是运筹学中发展较早的一个分支,在社会中有着广阔的应用前景,分批排序(Batch scheduling)是其中一类重要的新型排序.该文的主要内容分为三个部分:单机分批排序以及单机模糊分批排序问题的优化模型、单机分批排序问题的进化算法和多目标分批排序问题进行算法.该文的主要创新点是:1.建立了三种类型的单机分批排序问题的两种数学模型,进一步证明了经典排序理论的一些结果.这些数学模型不仅为用数学规划方法研究单机分批排序打下基础,而且,通过罚函数将模型约束条件去掉与遗传算法结合可以设计求解单机分批排序问题的遗传算法.2.建立了加工时间模糊的单机分批排序问题1|F,B|Σ<,j>的数学模型,得到了模糊单机分批排序问题最优解的结构性质定理,并且给出了求解加工时间模糊的单机分批排序问题的近似算法.3.设计出求解单机分批排序问题的遗传算法、混合遗传算法和基于人口增量的学习算法,对于问题1|B|Σ<,j>和1|B,r<,j>|Σ<,j>与其已有的算法相比,求解的质量有改善,对于问题1|B,r<,j>|Σ<,j>和1|B,r<,j>|Σ<,j>等则是首次设计.4.给出单机多目标分批排序问题解的含义,并利用模糊集理论将单机多目标分批排序问题的目标函数转化为目标函数是最大化最小满意度或最大化满意度之和两种目标函数,同时还设计了求解单机多目标分批排序问题的遗传算法和基于人口增长的学习算法.