چکیده مسأله زمان بندی کار کارگاهی منعطف چند هدفه یکی از مهمترین توسعه های مسأله کلاسیک زمان بندی کار-کارگاهی است که به دلیل ملاحظه اهداف و محدودیت های مختلف، تخمین دقیق تری از مسائل توالی عملیات در جهان واقعی را فراهم می کند. هم چنین ثابت شده است که این مسأله np-hard است. زیرا از دو زیر مسأله مسیریابی و زمان بندی به منظور تخصیص ماشین مناسب از بین ماشین های در دسترس و توالی فعالیت ها تشکیل شده است. از آنجایی که این مسأله در جایگاه مسائل بهینه سازی قرار می گیرد، به جای یک جواب بهینه، مجموعه ای از جواب ها به دست می آیند که یافتن آنها با استفاده از روش های دقیق و کلاسیک بسیار مشکل و زمان بر است. بنابراین با اتخاذ الگوریتم های جستجوی فرا ابتکاری مناسب که جزء روش های تقریبی بوده و در اکتشاف سراسری و محلی به همراه استراتژی هایی که تنوع پاسخ ها را در فضای حل حفظ می کنند، توانمند هستند، به این مجموعه جواب های نیمه بهینه در زمان کمتری می توان دست پیدا کرد. در این پژوهش، برای این مسأله دو روش پیاده سازی شده است. نخست روش nsgaii به دلیل توانمندی بسیار در حل این دسته از مسائل، به صورت ترکیبی با الگوریتم جستجوی محلی همسایگی متغیر به هدف فرار از دام بهینه های محلی، که برای جلوگیری از سربار اجرای آن، تنها به روی بخشی از جمعیت انجام می گردد. دوم الگوریتم ذاتاً پیوسته بهینه سازی علف های هرز به دلیل ویژگی های متمایز در تولید مثل، پراکندگی و حذف رقابتی به صورت گسسته و با ویژگی خودانطباقی در روند کاوش مسأله، پیشنهاد شده است و در نهایت هر دو روش فوق به صورت ترکیبی به منظور بررسی نتیجه ترکیب دو روش مذکور اجرا شده است. نیز برای اطمینان از پراکندگی راه حل ها و حذف وابستگی ها در فضای هدف، در تولید جمعیت اولیه از مفهومی به نام آنتروپی استفاده شده است که بر اساس مقایسه شباهت ژنتیکی از ورود پاسخ های مشابه جلوگیری نموده و انتخاب نقاط شروع مناسب را تضمین می کند. در نهایت نتایج محاسباتی الگوریتم های پیشنهادی به منظور تصدیق مدل و داده ها بر روی نمونه مسائل معروف، هم چنین بر مبنای معیارهای کیفی مهمی چون فاصله تا نقطه ایده آل، گستردگی پاسخ ها و تنوع مرز بهینه پارتو و تعداد پاسخ های آن، مورد مقایسه و تحلیل قرار گرفته اند. کلمات کلیدی: زمان بندی، بهینه سازی چند هدفه، nsgaii، بهینه سازی علف های هرز، الگوریتم جستجوی همسایگی متغیر، آنتروپی