为了提高解的质量，局部搜索方法通常被嵌入单目标元启发式算法中［15］。但是多目标进化算法中的局部搜索方法不同于单目标元启发式算法中的局部搜索方法，在多目标优化问题中，一个目标性能的提升可能会导致另外一个目标性能的降低。因此，本章所提出的算法中没有直接引入局部搜索算子，而是设计了一种改进的策略来改善解的质量。这种策略不需要改变工件的排序，却能在一定程度上降低机器负载。这种机器负载降低策略的步骤如下。

为了说明在最后一个阶段上的策略1，图5-4展示了策略1的甘特图。从图中可看出，实例（a）的调度方案中，阶段2中工件1和工件2之间存在足够长的闲置时间；实例（b）的调度方案中，可通过控制工件1的加工时间使闲置时间缩短。也就是说，在最后一个阶段上的工件1的加工时间可通过减少机器的数量来延长，它会导致机器负载的降低。此外，不同解对应的最大完工时间是相同的，因此，改善前的解被改善后的解所支配。

(www.daowen.com)

图5-4　策略1的甘特图

图5-5　策略2的甘特图

图5-5所示是策略2的甘特图。调度实例（a）展示了阶段2中工件2和工件3之间存在足够长的闲置时间，而调度实例（b）却存在一个较短的闲置时间。最后工件的前一阶段的加工时间可通过减少机器数量来延长，但它将会导致机器负载的降低。此外，不同解对应的最大完工时间是相同的，因此，改善前的解是被支配的。