随着我国由制造大国向制造强国迈进,节能增效已经成为现代制造业升级转型的必由之路。现阶段制造业中以降低能耗为研究目标有较强的实用意义。考虑到现代多品种、小批量的制造模式和节能降耗的制造背景,本文以符合现代生产模式的柔性作业车间为研究对象,以降低完工时间和减少能耗量为研究目标,通过改进混合遗传算法和改进非支配遗传算法来求解单目标和多目标调度问题。通过各类经典算例以及实际生产数据验证了本文提出算法的可靠性。首先,本文系统地研究并阐述了柔性作业车间的类型、特点、表示方法、调度问题的一般目标,总结了单目标、多目标柔性作业车间调度问题的求解方法。然后,针对遗传算法的局部搜索能力较差和进化后期搜索效率较低问题,本文通过与局部搜索能力较强的禁忌算法进行结合,提出了一种改进的混合遗传算法,本算法弥补了单一遗传算法较差的局部搜索能力和禁忌算法过度依赖初始解的缺点,采用了改进的全局搜索策略生成初始种群,可以有效改善初始种群质量,改进了优先工序交叉方法,避免了交叉后的子代与父代个体基因值相同。禁忌算法中通过扰动关键工序产生邻域有效的减少了无用的邻域解提高了计算效率。以Mk算例来验证算法可用性,并与其他文献中不同的算法进行对比,本文算法在求解Mk算例时均取得了较优解。通过与标准遗传算法的迭代曲线进行对比,表明了本文算法在寻优效率、初始种群质量和解的稳定性上都有较为明显的提升。通过求解两个实例问题,本文算法求得结果均优于其他文献所得结果,证明了本文算法的先进性。最后,在第三章单目标柔性作业车间调度模型的基础上,通过分析现代柔性作业车间的生产能耗组成,确定各类能耗的计算方式,加入了机器启停能耗约束和空载能耗约束,建立了以完工时间最短和车间能耗量最小为目标的调度模型。以本文第三章改进混合遗传算法中的种群初始化操作和遗传操作为优化思路设计了非支配遗传算法,通过实际生产案例数据验证了本文建立的调度模型和算法的有效性。