زمانبندی جریان کارگاهی با ماشین­های موازی در هر مرحله، که اشاره به محیط جریان کارگاهی مختلط دارد، یک مساله ترکیبیاتی پیچیده­ است که بسیاری از کاربردهای دنیای واقعی با آن مواجه است. برای در نظر گرفتن فرض­های واقعی در مساله پیشنهادی، چهار خصوصیت اضافی به مساله زمانبندی اضافه شده است. فرض­های اضافه شده شامل خطوط بازگشتی، زمان­های آماده­ سازی، اثر یادگیری موقعیت مبنا، و در نظر گرفتن ماکزیمم زمان تکمیل همراه با جمع تاخیرها به عنوان تابع هدف هستند. برای توصیف مساله با جزئیات بیشتر یک مدل برنامه­ ریزی عدد صحیح مختلط 0-1 ارائه می­شود. برای نشان دادن اعتبار مدل پیشنهادی، آزمایشات روی پنج مساله کوچک خاص اجرا می­شود. نتایج محاسباتی نشان می­دهند که وقتی بعد مساله به آهستگی بزرگ ­شود خطا به مقدار قابل توجهی افزایش می­ یابد. چون مساله پیشنهادی NP–سخت است، دو الگوریتم فراابتکاری به عنوان رویه حل پیشنهاد می­شوند. اولین الگوریتم فراابتکاری به نام VNS-PA در دسته رویکرد پیشین قرار می­گیرد. به منظور نشان دادن اثربخشی و کارایی الگوریتم پیشنهادی، آزمایشات روی انواع مسائل اجرا می­شوند. نتایج محاسباتی نشان داده ­اند که الگوریتم پیشنهادی می ­تواند جواب­های موثر و مناسبی برای مساله بدست دهد. دومین روش فراابتکاری با نام NSGA-DEA در دسته رویکرد پسین قرار می­گیرد. روش تاگوچی برای تنظیم پارامترهای الگوریتم پیشنهادی به کار گرفته می­شود. به منظور نشان دادن اثربخشی و کارایی الگوریتم پیشنهادی در مقایسه با الگوریتم موثر در ادبیات (با نام MLPGA)، آزمایشات روی سه دسته از مسائل اجرا می­شوند: کوچک، متوسط و بزرگ. نتایج محاسباتی برحسب متریک­ های استاندارد چند هدفه بیان می­شوند. نتایج نشان می­دهند که الگوریتم پیشنهادی قادر است تا مجموعه پارتو متنوع­ تر و رقابتی ­تری از MLPGA بدست آورد.