由于复杂性和实用性,车间调度问题（Job Shop Scheduling Problem,JSP）一直是生产调度领域非常重要的研究对象之一。柔性作业车间调度问题（Flexible Job Shop Scheduling Problem,FJSP）作为一种更加灵活的JSP拓展问题,其小批量、多品种的生产特性也更加适合自动化程度越来越高的制造企业,对柔性作业车间进行调度方案的优化能够显著减少相关企业的最大完工时间、生产成本与加工能耗。因此本文针对单目标FJSP和研究较少的高维多目标FJSP,运用一种新兴且效率较高的候鸟优化算法（Migrating birds optimization,MBO）来求解上述问题。首先提出了一种基于改进的单目标候鸟优化算法的柔性作业车间单目标调度模型。其中算法的改进主要包括运用贪婪插入式解码法进行解码,在鸟群初始化阶段设计多种初始化规则提高初始解质量,在鸟群进化阶段设计了三种邻域结构提高算法邻域搜索能力,增加跟飞鸟交叉操作提高算法收敛速度。并通过算例验证了改进MBO相比MBO及变体能够得到更好的解。在实际生产中能源消耗量巨大的制造企业不仅需要考虑完工时间这一目标,因此本文接着提出了高维多目标柔性作业车间绿色调度模型,该模型的优化目标为最小化最大完工时间、总拖期、机器总负荷以及车间总能耗。在改进MBO的基础上,引入Pareto思想以及基于参考点的选择算子,设计了一种高维多目标候鸟优化算法（Many-objective Migrating birds optimization,MOMBO）来进行求解。通过两种选择算子给予鸟群选择压力,以此提高鸟群的多样性和收敛性,并且结合基于属性层次法和灰色关联度分析法的组合权重决策,对最优解集进行一个最优解的选择。算法性能测试表明MOMBO相对于三种变体以及NSGAⅡ、NSGAⅢ来说,其最优解集在IGD和HV两种性能指标上表现更优,即质量更高。最后通过一个实例研究证明本文提出的MOMBO算法相对于单目标MBO算法、NSGAⅡ和NSGAⅢ有着更好的解集质量,在实际生产加工中能够给予决策者更好的选择。