柔性作业车间调度问题（FJSP）是一类应用广泛的组合优化问题。针对多目标FJSP求解过程复杂、算法易陷入局部最优的问题，提出了一种基于多区域采样策略的混合粒子群优化算法（HPSO-MRS），以同时优化最大完工时间和总机器延迟时间这两个目标。多区域采样策略能够区分粒子所在Pareto前沿面的位置，根据不同区域进行采样重组，并为采样后位于Pareto前沿面多个区域的粒子规划相应的运动方向，从而有针对性地调整粒子在多个方向上的收敛能力，并带来一定程度的均匀分布能力的提升。此外，编解码方面使用带插空机制的解码策略来消除可能存在的局部左移；粒子更新方面将传统粒子群优化（PSO）算法的粒子更新方式与遗传算法（GA）的交叉变异算子相结合，提升了算法搜索过程的多样性并避免算法陷入局部最优。把所提算法在Benchmark问题Mk01~Mk10上进行测试，与传统的HPSO、NSGA-Ⅱ、基于适应度分配策略的多目标进化算法（SPEA2）和基于分解的多目标进化算法（MOEA/D）进行算法效力和运行效率对比。显著性分析的实验结果表明，HPSO-MRS在收敛性评价指标HV和IGD上分别在85%和77.5%的对照组中显著优于对比算法，而该算法在35%的对照组中的分布性指标Spacing显著优于对比算法，且均不存在所提算法显著差于对比算法的情况。可见相较于对比算法，所提出的算法具备较好的收敛与分布性能。