最小化“总完工时间”和“最长完工时间”为目标的无等待流水调度是一类典型的NP完全问题，广泛存在于工程应用中。本文针对该问题研究如何能在较短时间内找到近似最优解的有效混合算法，对实际工程应用具有重要意义。 考虑最小化“总完工时间”和“最长完工时间”的双目标无等待流水作业调度问题，提出粒子群加权混合优化算法，通过随机加权的方式将其转换成单目标优化问题，并应用基于升序排列的ROV（Ranked-Order-Valve）编码规则，将微粒的位置矢量映射到流水工件的排序，离散化后应用于无等待流水作业调度问题：应用NEH方法构造初始种群，基于较好的初始值进行粒子群优化；在粒子群每次迭代之后对全局最优值加入扰动并进行变邻域搜索，防止种群陷入局部最优造成早熟收敛，提高离散粒子群算法的搜索能力；使用交换邻域和插入邻域算子加快算法的搜索速度，进一步提高算法搜索的效率，降低邻域搜索算法的复杂度；设计双目标优化中多群体进化操作提高算法的搜索能力，得到全局近似最优解。 混合优化算法与DPSO混合调度算法、RAJ算法以及当前已知最好解BES（LR）在Taillard Benchmark前100个标准流水调度问题实例上进行了比较。仿真结果表明：在以总完工时间以及最长完工时间为目标函数的评价指标中，无论是在所得结果的平均质量、CPU耗费时间及最优调度的获取能力等方面，该混合调度算法均具有良好的性能，可有效地解决双目标无等待流水调度问题。