协同优化问题的复杂化使得相应的研究方法也从开始最简单的数学方法到启发式的智能算法而目前解决调度问题的方法主要有两大类分别是数学规划方法和启发式算法其中数学规划方法可以求得问题的最优解但只适用于较小规模的问题解决而且所用时间较长速度较慢；启发式算法在面对大规模问题时可以在较短的时间内求得相对最优解较好的满足实际问题的需求。部分主要方法的介绍如下

：

数学规划方法是基于数学模型的优化方法，其目标是找到问题的最优解。常见的数学规划方法包括线性规划、整数规划、动态规划等。这些方法需要建立相应的数学模型，并通过求解该模型得到最优解。这种方法的优点是可以得到精确的最优解，但缺点是只适用于较小规模的问题，求解速度较慢。

启发式算法是一类基于经验、直觉和局部搜索的算法，其目的是在较短时间内找到相对最优解。常见的启发式算法包括遗传算法、模拟退火算法、禁忌搜索算法等。启发式算法的优点是适用于大规模问题，求解速度较快，但缺点是不能保证得到最优解。

混合方法是将数学规划方法和启发式算法相结合的一种方法。这种方法的优点是能够充分利用两种方法的优势，既能够得到较为精确的最优解，又能够在合理的时间内解决大规模问题。常见的混合方法包括遗传算法和整数规划、模拟退火和动态规划等。

总之，选择何种方法解决协同优化问题应根据具体情况而定，需要综合考虑问题规模、求解时间、精度要求等因素。