分布式柔性作业车间调度是指在由多个工厂组成的分布式制造环境中，对作业车间的任务进行调度的一种优化问题。这种调度对于现代制造业具有重要的现实意义：它不仅可以提高生产效率和降低成本，还有助于企业在全球化竞争中保持竞争力，并且促进绿色制造和可持续发展。在加工阶段，分布式柔性作业车间调度主要关注的是如何在多个工厂或车间之间分配任务，并在各个工厂内对作业进行调度，以优化生产效率和成本等关键指标。 多目标灰狼算法(Multi-Objective Grey Wolf Optimizer, MOGWO)是一种基于自然群体智能和进化原则的启发式搜索策略，专为解决包含多个冲突目标的复杂优化问题而设计。目前多目标灰狼算法被广泛应用于求解加工阶段的分布式柔性作业车间调度问题。 然而，多目标灰狼算法在随机初始化种群时可能面临初始解集多样性不足的问题，这限制了算法对解空间的全面探索能力。此外，加工阶段的分布式柔性作业车间调度是一个典型的NP-hard问题，具有高计算复杂性，多目标灰狼算法在多项式时间内难以找到精确的最优解。同时，多目标灰狼算法在进化过程中可能过早地收敛到局部最优解，这进一步降低了所得解的质量。