برای بقا در محیط رقابتی کنونی، صنایع تولیدی و خدماتی به یک سیستم زمان‏بندی کارا و مناسب نیازمندند. تحقیق حاضر به بررسی و حل یک مسئله زمان‏بندی دوهدفه ماشین‏های موازی نامرتبط می‏پردازد. به عنوان اولین تابع هدف، کمینه‏سازی مجموع دیرکرد و زودکرد در نظر گرفته می‏شود که قرابت زیادی با فلسفه تولید به هنگام دارد. این فلسفه به کارهایی که زودتر و دیرتر از موعد تحویل تکمیل شوند، به عنوان کارهای نامطلوب می‏نگرد. کمینه‏سازی عدم توازن بار کاری روی ماشین‏ها که به منظور افزایش کارایی آنها و حرکت سریع‏تر کارها می‏باشد، به عنوان تابع هدف دوم در این تحقیق در نظر گرفته می‏شود. همچنین، فرض‏های عملیاتی از قبیل وجود زمان‏های آماده‏سازی و روابط پیش‏نیازی در مسئله پیشنهادی مد نظر قرار داده شده‏اند. مسئله مورد مطالعه بصورت یک مدل برنامه‏ریزی خطی اعداد مختلط فرمول‏بندی می‏شود. به منظور حل مدل در ابعاد کوچک یا متوسط، از روش برنامه‏ریزی آرمانی فازی استفاده می‏گردد. مسئله زمان‏بندی ماشین‏های موازی در ساده‏ترین حالت جزء مسائل np-hard به شمار می‏آید. بعلاوه با توجه به ملاحظات فوق‏الذکر، روشن می‏شود که مسئله مورد مطالعه در این تحقیق خصوصیت np-hard بودن را داراست. بنابراین برای همه ابعاد از جمله مسائل بزرگ، این تحقیق یک الگوریتم تکامل تفاضلی جدید مبتنی بر منطق برنامه‏ریزی آرمانی فازی ارائه می‏کند که از قابلیت حل همزمان دو تابع هدف برخوردار می‏باشد. همچنین، یک عملگر جستجوی همسایگی متنوع به منظور بهبود خاصیت بهره‏برداری در آن بکار گرفته شده است. الگوریتم تکامل تفاضلی یک روش فراابتکاری جدید و موفق می‏باشد که عموماً برای حل مسائل بهینه‏سازی پیوسته بکار گرفته می‏شود. با توجه به ماهیت گسسته مسائل زمان‏بندی، در نمایش جواب‏های الگوریتم پیشنهادی از روش کدگذاری random-key استفاده می‏شود. با توجه به مکانیزم‏های مورد استفاده، الگوریتم پیشنهادی این تحقیق تحت عنوان hde-fgp نامگذاری شده است. کارایی روش‏های حل پیشنهادی بر روی 9000 مسئله نمونه تصادفی مورد ارزیابی قرار گرفته است. نتایج بدست آمده از الگوریتم فوق با یک الگوریتم ژنتیک موجود در ادبیات موضوع و روش برنامه‏ریزی آرمانی فازی مقایسه و تجزیه و تحلیل شده است. تحلیل نتایج دال بر کارایی الگوریتم hde-fgp و همچنین تأثیر مثبت ترکیب با عملگر جستجوی همسایگی متنوع می‏باشد.