随着社会的不断发展,能源的发展与利用在世界各国的关注度不断提高。伴随着煤炭、石油等资源大量消耗,部分资源面临枯竭,随之带来了大量环境问题,制约着各国的经济发展,低能耗、低污染的低碳经济发展模式被世界各国所重视。这意味着在保证一定生产率的前提下,降低生产能耗十分必要。因此,本文以工件流失率和生产能耗为优化目标,研究了考虑能耗的多目标传送带给料加工站（Conveyor-Serviced Production Station,CSPS）系统优化问题。主要工作如下:首先在考虑服务率可变的基础上,介绍了CSPS系统的物理模型及运行机制,并将系统建模为半马尔科夫决策过程,结合资源消耗函数给出了本文的优化目标。然后,使用策略迭代算法求解该问题的理论最优解,并在不同工件到达率下分析了缓冲库容量对系统的影响。由于策略迭代算法求解缓慢,且优化目标是通过加权的方式将各个目标求和,确定目标之间的权重需要一定的先验知识,获得的解集也容易受帕累托前沿形状影响。为了提高求解效率及优化效果,本文通过CMOPSO和NSGAⅡ两种多目标进化算法对优化模型进行求解,并与策略迭代算法得到的解集进行比较。仿真实验表明多目标进化算法得到的非支配解集质量有提升,但在部分区域的探索程度略有不足。为此,论文在原有算法基础上添加了基于指标进化的种群,提出了双种群协同进化算法,两个种群在独自进化的基础上又相互影响,弥补了各自算法的缺点,提升了算法的整体优化效果。同时,针对算法的局部探索能力不足,提出了一种发散策略。通过仿真实验表明,所提算法与原多目标进化算法相比,在收敛速度和解集质量上均有提升。为了进一步提升优化效果,论文还提出了一种多种群双策略算法,并分别将其应用于CMOPSO、NSGAⅡ算法中,然后根据两种算法特点,分别设置了拥有不同搜索算子的种群,利用种群在进化过程中的交流来提升解集质量。同时,考虑到种群在不同进化阶段所面临的需求不同,根据两种算法特点,分别提出了双策略的思想,使算法在不同进化阶段采用不同的策略,以达到在算法进化前期注重快速学习或随机探索,在算法进化后期注重细化搜索的目的。最后,通过仿真验证所提算法的有效性。