当今社会,能耗问题受到全球关注,制造业也面临着降低能耗和提高生产效率的双重任务,柔性作业车间调度作为企业生产过程中的关键模块,良好的调度方案不仅能大幅度提高企业的生产效率,还能有效降低企业的生产成本。本文以柔性作业车间调度问题作为研究对象,综合考虑多个约束条件,建立以最小化最大完工时间、最小化加工成本和最小化碳排放量为目标的多目标优化调度问题模型,最后,将改进后的遗传算法应用于多目标优化问题中。主要开展工作如下:（1）针对柔性作业车间调度问题的特性,对现有遗传算法进行了改进。具体来说,该算法对初始化方式进行了改进,采用快速选择与随机选择相结合的初始化方式,使得种群的初始解质量较高,一定程度上加快了算法的收敛速度;在选择算子上,使用锦标赛排序和精英保留策略,一定程度上降低了种群的选择压力,同时,也增加了优秀个体遗传到下一代的概率;在交叉算子及变异算子上,对常用的基于机器的互换交叉方式和基于工序的插入变异方式进行了改进,使得工序编码与机器编码整体有序,避免算法在计算过程中出现的非法解修复过程,一定程度上节省了算法的运行时间;最后对改进后的交叉方式及变异方式的有效性进行了验证,同时,使用改进后的遗传算法对基准实例进行了测试。（2）将改进后的遗传算法应用在多目标柔性作业车间调度优化中,以最小化最大完成时间、最小化加工成本和最小化碳排放量为优化目标,使用约束模型理论依据的方法,对多目标柔性作业车间调度问题的实例进行仿真运算,验证了算法的性能及方法的可行性。根据生产管理人员的偏好设置或市场需求,将调度模型优化为旺季生产模型和淡季生产模型,并对模型进行求解。虽未同时兼顾三个目标,在优先考虑主要目标的基础上,将剩余优化目标作为约束条件考虑在内,在一定程度上,达到了多目标优化的目的,为企业的生产调度决策提供了一定的理论依据。