随着经济全球化的发展和顾客个性化需求的增多，多品种小批量生产逐渐成为制造业的发展趋势。这种趋势使企业的竞争力和创新能力面临着严峻的考验，如何优化企业的产能规划和生产方式，缩短生产周期，实现快速响应客户，同时尽可能的节省公司资金和资源，成为企业发展的决定性因素。

背景介绍：

对批量问题的研究点开始于经济订货量模型的研究，经济订货模型（EOQ），经过多年的发展，批量问题的研究范围和深度不断扩大。实际生产中，会有诸多不确定因素影响生产计划的稳定性，随着对批量问题研究的不断深入，国内外学者研究了多方面的影响因素，如安全库存和延后运输策略、供应商选择、仓库容量受限、设备启动时间和启动成本、订单需求随时间的波动、员工学习效率、瓶颈约束等^[1-5]，都会加大LSP问题复杂度，因此求解难度也增大。因此国内外学者对批量问题求解方法研究不断深入。目前，在对批量问题进行求解主要分为五类方法：数学规划启发算法、分解聚合启发算法、拉格朗日启发算法、基于特定问题的贪婪启发算法和元启发算法^[6-15]。

批量问题是为得到最有效的生产计划而在调整准备费用与维持库存费用之间做出的权衡，确定生产时间和生产数量及批量。某阀门产品生产具有按订单，单件、小批量为主生产的特点，是典型的超级离散性机械制造企业。阀门公司球阀盘蝶阀等十余种大类，同一大类的产品结构相似，工艺路线相似，精度不同，不同的产品之间存在工艺路线存在交叉以及机台共享，这是典型的多产品多批量问题。随着市场环境的变化，市场竞争的增加，阀门公司生产的产品种类日益增多以及客户对交期日趋严格，研究如何进行生产批量的安排为企业生产产生重大的经济效益。

综合上述背景，本文目的及意义如下：