供应链管理问题是现代企业应关注的重要问题,经济全球化的市场环境给供应链管理带来了挑战。制造业作为供应链中不可或缺的主体部分,实现生产过程的高效和稳定运营对供应链起着举足轻重的影响。现如今制造业迅速发展,但资源匮乏等问题也随之出现,降低生产企业的能源消耗尤为关键。近年来,许多研究都致力于降低制造过程的能源消耗,而车间调度被认为是实现这一目标的有效途径。并行机调度是制造系统中普遍存在的一类复杂的车间调度问题,实际的生产过程中会消耗能源、人力等诸多资源,因此,决策者在决策过程不仅要考虑以时间为导向的调度目标,还要减少资源消耗等节能标准。基于已有调度研究的归纳和分析,本文对并行机调度的相关内容进行了扩展,具体工作可以概括如下:（1）为探究关注能耗优化与恶化效应的并行机调度问题,构建了一个多目标规划模型来优化最大完工时间和能源消耗,根据所研究问题的基本特征提出了一种多目标蚁狮优化算法。通过仿真实验与两种经典的多目标进化算法的仿真结果进行了比较,对比结果表明,多目标蚁狮优化算法能较好地解决此调度问题。（2）为探究随机环境下关注能耗优化与学习效应的并行机调度问题,创建了一个多目标随机规划模型来优化最大完工时间和能源消耗,根据所研究问题的基本特征设计并改进了非支配排序遗传算法和基于分解的多目标进化算法,并将两种算法分别与蒙特卡洛模拟方法结合。通过对实验结果分析得出两种算法在解决此调度问题上的性能优劣。（3）为探究随机环境下关注能耗优化与恶化和学习效应的并行机调度问题,构建了一个多目标随机规划模型来优化最大完工时间和能源消耗。根据所研究问题的基本特征设计了一种结合蒙特卡洛模拟方法的多目标多元宇宙优化算法。通过模拟实验将该算法与两种经典的多目标进化算法进行了对比,结果显示,该算法在解决此调度问题时效果明显。