1.考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，包括以下步骤：

S1，建立考虑工件质量和可变加工时间的多目标双资源约束柔性作业车间调度模型，并提出基于协同分类的改进文化基因算法来求解；

S2，确定基于协同分类的改进文化基因算法的参数，包括：种群数量popsize、最大迭代次数maxgen、交叉概率pc以及变异概率pm；

S3，根据加工数据确定个体编码方式，单个个体包括：工序排序OS、机器选择MS、工人选择WS和工序返工PR四层基因序列；

S4，OS序列采用随机初始化，MS序列及WS序列采用保质GLR混合初始化生成初始种群R1(t)作为父代种群；

S5，对父代种群R1(t)中每个个体采用考虑返工的实时监测型插入式主动解码，生成主动调度方案，根据调度方案记录个体的三个目标值，并对种群R1(t)中的个体进行快速非支配排序，保存支配等级为1的个体构建前沿解集；

S6，将父代种群R1(t)通过Jaya算子生成分支种群R2(t)；

S7，将父代种群R1(t)通过遗传算子生成分支种群R3(t)；

S8，将R1(t)、R2(t)及R3(t)混合后进行快速非支配排序，将所有个体按支配等级顺序排列，保存前popsize个个体组成子代种群R1'(t)并替换父代种群，得到更新后的父代种群R1(t)，同时更新前沿解集；

S9，判断前沿解集中的个体是否变化，是则转S11，反之转S10；

S10，将R2(t)和R3(t)协同搜索算子生成分支种群R4(t)，混合R1(t)及R4(t)进行快速非支配排序，将所有个体按支配等级顺序排列，保存前popsize个个体组成子代种群R1'(t)并替换父代种群，得到更新后的父代种群R1(t)，同时更新前沿解集；

S11，对父代种群R1(t)中的所有个体实施基于空闲时窗的插入时优化，并更新种群R1(t)；

S12，对父代种群R1(t)实施K‑means聚类算法提取分支种群R5(t)，对R5(t)中的个体采用学习型混合再分配操作，并更新R5(t)；同时，对父代种群R1(t)的个体进行快速非支配排序，按种群百分比选取支配等级靠前的个体生成分支种群R6(t)，对R6(t)进行基于关键工序的多邻域搜索操作，并更新R6(t)；

S13，将R1(t)、R5(t)及R6(t)混合后进行快速非支配排序，将所有个体按支配等级顺序排列，保存前popsize个个体组成子代种群R1'(t)并替换父代种群，得到更新后的父代种群R1(t)，同时更新前沿解集；

S14，判断当前迭代次数t是否达到设置的迭代次数，若否，则t＝t+1，重复S5‑S13，若是，则将种群中的前沿解集作为最优解集输出。

2.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，所述考虑工件质量和可变加工时间的多目标双资源柔性作业车间调度模型目标函数为：min(f1)＝min(max(Ci))

其中，f1,f2,f3分别表示调度模型的第一、第二以及第三目标函数，n表示工件总数，m表示机器总数，w表示工人总数，i＝1,2,3,…,n表示工件索引，j＝1,2,3,…,ηi表示工序索引，k＝1,2,3,…,m表示机器索引，l＝1,2,3,…,w表示工人索引，ηi表示第i个工件的工序总数，Tijkl表示Oij在Mk上由Wl加工的加工时间， 表示Mk的空载能耗， 表示Mk的负载能耗,CMk表示Mk的完工时间,Xijkl＝1表示工序Oij在机器k上由工人l加工，其他情况Xijkl＝0,wcl表示Wl的单位成本，Ci表示工件i的完工时间；

所述考虑工件质量和可变加工时间的多目标双资源柔性作业车间调度模型的约束条件包括：

工序Oij在加工过程中的质量计算：

返修工序的加工时间受质量阈值约束：

返工工序是原工序的后续工序，满足工序的先后顺序约束：

返工工序与原工序的加工机器与工人均相同：

工件的加工过程不可中断：

同一工件中的工序存在先后顺序约束：

同一台机器在任意一个时刻只能加工一个工件：

STij+α(1‑Yi'j'ijk)≥CTi'j'

同一个工人在任意一个时刻只能加工一个工件：

STij+α(1‑Zi'j'ijl)≥CTi'j'

任意一道工序只能由一名工人在一台机器上操作：

任意工序的开工时间与完工时间均大于等于0：

STij≥0，CTij≥0

式中，i'＝1,2,3,…,n表示工件索引，j'＝1,2,3,…,ηi表示工序索引， 表示Oij的二次返工工序， 表示 在Mk上由Wl加工的加工时间， 表示 的开工时间， 表示的完工时间，ρk表示Mk的加工精度，εl表示Wl的加工精度，Qij表示Oij的加工质量，QTij表示精密工件中Oij的质量阈值，λij表示Oij的返工系数，STij表示工序Oij开工时间，CTij表示工序Oij完工时间，STi(j+1)表示表示工序Oi(j+1)的开工时间，CTi'j'表示工序Oi'j'完工时间，α表示一个无穷大的整数，Yi'j'ijk＝1表示工序Oij与Oi'j'在机器k上加工且工序Oi'j'先于Oij加工，其他情况Yi'j'ijk＝0，Zi'j'ijl＝1表示工序Oij与Oi'j'由工人l加工且工序Oi'j'先于Oij加工,其他情况Zi'j'ijl＝0，Hk＝1表示Mk是普通机器，其他情况Hk＝1/εl，Ui＝1表示Ji是精密工件，其他情况Ui＝∞，Reij＝1表示QijUi≤QTij，其他情况Reij＝0， 表示 在Mk由Wl加工，其他情况

3.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，S3中采用四段式编码方式表达种群中的个体信息，第一段为工序排序编码序列OS，用于确定工件加工的先后顺序；第二段为机器选择编码序列MS，表示工序分配到的加工机器；第三段为工人选择编码序列WS，表明工序所选择的加工工人；第四段为工序返工序列PR，表明工序是否需要二次返工。

4.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，S4中，MS序列和WS序列采用基于全局选择GS、局部选择LS和随机选择RS的改进GLR初始化方法，比例为6:3:1。

5.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，S5中，采用考虑返工的实时监测型插入式主动解码，对双重柔性资源带来的多种空闲进行区分，实施不同的左移插入策略，并在工序左移插入后对当前调度方案中工序的加工时间进行重新计算，并进行紧前左移，从而生成主动调度方案，为其合理安排返工工序，并计算对应的多个目标函数。

6.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，对种群R1(t)采用离散Jaya算子生成分支种群R2(t)的过程中，Xbest为前沿解集中随机选取的个体，Xworst为当前种群中帕累托等级最劣个体中随机选取的个体；

OS序列的更新流程为：删除父代个体Pi与Xworst相同位置的相同元素生成中间个体temp，删除Xbest中与temp相同的元素，最后将Xbest中的剩余元素顺序赋值到temp中，生成子代个体Ci；

MS及WS序列的更新流程为：删除父代个体Pi与Xworst相同位置的相同元素生成中间个体temp，将Xbest对应位置的元素赋值给temp生成子代个体Ci；

极端情况的更新流程：父代个体Pi与最劣个体Xworst所有基因位的元素值出现完全相同和完全不相同的情况；当出现完全相同时，父代个体P采用S4中的初始化规则进行重置，生成子代个体Ci；出现完全不相同时，Pi与Xworst和Xbest各执行一次IPOX，并选取最优的子代个体作为Ci；不完全相同时执行Jaya更新算子。

7.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，所述遗传算子包括选择、随机父代交叉和多层次变异共3种操作；其中，采用三元锦标赛选择作为选择算子；关于随机父代交叉算子，对于OS序列采用IPOX，MS序列及WS序列均RPX；关于多层次变异算子，对于OS序列，采用互换变异的方式，对于MS序列及WS序列，采用随机替换变异。

8.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，对种群R1(t)中的所有个体采用基于空闲时窗的插入式优化时，通过对调度方案中的非关键工序进行右移操作，将分隔开的空闲时窗进行整合，再遍历所有工序，搜索能够进行插入式左移的工序执行左移插入，完成遍历后所有工序实施紧前调度。

9.根据权利要求1所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，对R5(t)中的个体采用学习型混合再分配操作时，共包括以下四种再分配算子：L1：在最大完工时间最大的机器上随机选取一道工序，将该工序的可选机器按完工加工时间升序依次遍历，替换MS序列中该工序对应位置的元素值，并为该工序选择加工时间最短的可选工人，替换WS序列对应位置的元素值，并更新PR序列，得到新个体；

L2：在累计加工时间最大的工人中随机选取一道工序，将该工序的可选工人按累计加工时间升序依次遍历，替换WS序列的该工序对应位置的元素值，并选择加工时间最短的可选机器，更新MS序列对应位置的元素值，并更新PR序列，得到新个体；

L3：提取机器能耗最小的机器，在除该机器以外的机器上随机选择一道可以由能耗最小机器加工的工序，将该工序的可选机器更换为机器能耗最小的机器，替换MS序列中该工序对应位置的元素值，并为该工序选择加工时间最短的可选工人，替换WS序列对应位置的元素值，并更新PR序列，得到新个体；

L4：提取总工人成本最小的工人，在除该工人以外的工人上随机选择一道可以由成本最小工人加工的工序，将该工序的可选工人更换为总工人成本最小的工人，替换WS序列中该工序对应位置的元素值，并为该工序选择加工时间最短的可选机器，替换MS序列对应位置的元素值，并更新PR序列，得到新个体。

10.根据权利要求9所述的考虑工件质量和可变加工时间的多目标车间调度方法，其特征在于，S12中，对种群R1(t)进行快速非支配排序，对R1(t)排序后支配等级为1的个体采用基于知识驱动的变邻域搜索，设置局部搜索最大迭代次数，该变邻域搜索采用阈值法实现；

首先，定义多个邻域结构，每个对应一种改变个体信息的方法；在搜索过程中，将当前个体代入不同的邻域结构尝试生成新个体，代入解码算子后通过非适配排序进行评价；如果新个体优于当前个体，则接受并更新当前个体；否则，选择另一个邻域结构进行尝试，所有邻域结构均尝试一次后迭代次数加一，在满足最大迭代次数时搜索结束，并输出找到的最优个体；邻域结构包括以下三种：N1：将调度方案中的非关键工序进行紧后右移，用以整合空闲时间；打乱关键路径上的工序顺位后，遍历所有关键工序的可选工人，检索该工序是否能够被工人左移插入，若能，则执行插入后停止遍历，生成新个体；否则，选择工人成本最小的工人进行更换，生成新个体；

N2：遍历关键路径中的关键块，若关键块中包含两道以上的工序，则随机提取关键块的中间工序替换块首工序以及块尾工序，生成新个体；

N3：随机选择机器和工人约束中的一种，在最大完工时间最大的机器或工人上，随机提取一道关键工序，分析选中工序的可选机器或工人，将该工序的加工机器或工人替换为最大完工时间最小的可选机器或工人，生成新个体。