در این مقاله، یک مدل ریاضی جدید برای مسأله زمانبندی چند هدفه در سیستم تولید سلولی ارایه شده که هدف آن کمینه ‌ سازی حداکثر زمان تکمیل کارها، هزینه زودکرد و هزینه دیرکرد است. به علت پیچیدگی این مسأله، یک الگوریتم تلفیقی بر پایه الگوریتم ژنتیک و بهینه ‌ سازی ذرات انبوه برای حل آن در زمان قابل قبول پیشنهاد شده است. همچنین، از یک الگوریتم تکاملی چند هدفه معروف به ‌ نام الگوریتم ژنتیک مرتب شده غیر مغلوب ( NSGA-II ) برای تحلیل و نشان دادن کارایی الگوریتم تلفیقی پیشنهادی استفاده شده است. در ادامه، نتایج حاصل از خروجی الگوریتم ‌ ها با هم مقایسه و سپس تحلیل شده است. در خاتمه، نتیجه ‌ گیری و پیشنهادهایی برای تحقیقات آتی ارایه گردیده است.

In this paper a novel mathematical model has been proposed for multi-objective scheduling problem in a cellular manufacturing system (CMS) with the aim of minimizing the maximum completion time of jobs (i.e., makespan or Cmax), the earliness cost and the tardiness cost. Due to the complexity of such a hard problem, a hybrid algorithm, based on a genetic algorithm (GA) and particle swarm optimization (PSO), has been proposed to solve the presented model in a reasonable computational time. Furthermore, non-dominated sorting genetic algorithm (NSGA-II) as a well-known multi-objective evolutionary algorithm has been used to analyze and highlight the efficiency of the proposed hybrid algorithm. The associated results of the algorithms have been compared and analyzed. Finally, conclusions have been made and suggestions for further study have been presented.