在以上的分配规则下，为保证在各杭州一机M7132平面磨床任务量尽可能均衡的条件下使完成总订单的时间最短。我们不难想到建立以最短订单完成时间为目标的优化模型。M7132平面磨床为解决该单目标函数的优化模型，基于GA(遗传)算法和SA(模拟退火)算法属于概率分布机制的优化算法，本文同时考虑了这两种算法。但是，由于杭州一机7132平面磨床GA局部搜索能力差，容易过早收敛，精度不高，同时有收敛准则和参数选择困难的缺陷；杭州一机M7132平面磨床SA算法对整个搜索空间的状况了解不多，不便于使搜索在整个搜索空间进行大范围的搜索。于是，M7132平面磨床在弥补遗传算法和模拟退火算法各自缺点的基础上，我们将这两种算法进行混合得混合遗传算法(GASA)。M7132平面磨床用该算法对问题一进行解答。此算法充分发挥了遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部最优并最终趋于全局最优的特性。杭州一机M7132平面磨床GA和SA互相取长补短，降低了参数选择的苛刻性，取得比较理想的效果。之后，对于如何确定各机床任务量是否均衡的问题，考虑到必须定义某项指标对其进行衡量，我们定义该指标为均衡度提高杭州一机M7132平面磨床价位。在以上的分配规则及题目所给的调度费用、运行成本的约束下，为保证生产费用最小。    为使任务合理地分配到各杭州一机7132磨床，并保证各机床任务量在尽可能均衡的条件下以最短的时间完成订单。我们不得不对题中各任在不同安排下的数据进行重新处理，以期得到更加形象，易懂的任务、工序、机床与时间之间的关系表格。对均衡度的定义：为衡量各杭州一机M7132平面磨床任务量的均衡情况，现定义衡量指标均衡度。均衡度，定义为各M7132平面磨床完成所有任务最大时间差值。