多目标货物配装问题是一个复杂的组合优化问题，属于NP难问题，本文用混合粒子群算法求解多目标货物配装问题。混合粒子群算法在基本粒子群算法的基础上，通过引进遗传算法中的交叉和变异的策略，避免了陷入局部最优，加快了达到全局最优的收敛速度。此外，本文提出用权重系数来平衡各目标使各目标都能达到相对较优的效果。-Multi-objective loading of goods is a complicated combinatorial optimization problems are NP hard p

求解双层规划问题常用的算法有极点算法、直接搜索法、下降法和非数值优化方法(如模拟退火算法、遗传算法等)，遗传算法的求解思路是：首先对上层的决策变量编码，代人下层规划模型，通过求解下层模型的决策变量值，代入上层模型计算适应度值，然后进行交叉、变异、选择操作，最后求出最优解。-Solving Bilevel Programming Problems with pole algorithm commonly used algorithms, direct search method, descent

为了解决考虑生产总成本的车间调度问题，对引入加工成本、库存管理成本和拖期惩罚成 本的车间调度问题进行了研究，提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的 编码、初始化、选择、交叉和变异操作，通过与基本遗传算法的仿真比较，验证了该算法在收敛速度 和最优解值上的优越性。 -In order to solve the job shop scheduling problem considering the total production cost, the process