近年来,社会不断的进步,经济迅猛发展,全球一体化的进程不断的加快,多品种、小批量特点的JIT（Just In Time）生产方式越来越广泛应用于企业制造中。因此,JIT采购交付的应用也逐渐成为一种必然趋势。由于在连续生产过程中,准确的时间内将原料送至生产中是保证生产连续的关键。传统的采购运输方式为保证生产的连续,多数企业选择推动式生产,即:在产前进行原料的大批量采购,但是在应对突发的生产订单时往往反应速度较慢,且由于原料的大量存储,导致产品质量下降,生产成本大幅度增加。本文以SEDL公司为课题来源,结合现有的车辆运输、JIT（Just In Time）采购及精益生产的相关知识,提出带有多周期、小批量、可拆分特点的采购运输模式来取代以往的面向库存的推动式运输模式,实现原料能够在生产线与供应商之间及时的交付。根据生产需求的实际情况,以最小化采购运输总距离和车辆使用数目为目标,重点研究了运输周期和采购量对路径优化的影响,建立了JIT采购-连续生产的调度模型,并分析了问题特性,设计了一种基于自适应网格的多目标人工蜂群算法（Grid-based adaptive multi-objective artificial bee colony Algorithm,GAMOABC）。算法中,首先利用网格保存找到的帕累托最优解,对网格内的最优解进行更新和维护,保证Pareto解集的多样性并在网格内设计位置共享的人工蜂群算法,实现局部搜索和动态随机搜索,更新网格内原有的pareto解,从而提高解集的精确性。其次,通过二维矩阵的编码表示车辆与原料对应的优先权值。在解码过程中,为保证生产约束,根据当前原料的消耗完成时间确定调度集合,并针对车辆的使用数目和运输距离设计了启发式信息。最后,通过测例及实验表明:相较于NSGA-II、MOEAS算法,GAMOABC算法求得的Pareto解集多样性和精确性更好,且相较于其他JIT采购运输,验证了多周期、小批量、可拆分的运输策略和启发式信息设计的有效性。通过优化生产线的采购运输路径,使得SEDL公司在很大程度上提高了采购运输效率,降低了生产成本。