在互联网和移动互联网化的社会下,用户对产品的个性化需求和追求快速完美的服务,导致企业不得不转型到适合多品种、小批量、个性化定制的制造模式。企业如何制定合理的调度方案,如何以更加绿色、优质的产品快速响应市场成为新模式下对制造业生产管理提出了更高的要求。然而经典的车间调度理论难以适应新的制造模式,柔性作业车间调度问题是经典调度问题的一种扩展,也是一个NP难题,其也就逐渐成为研究的重点。首先,在考虑传统经济指标的基础上增加了相应能耗指标,利用基于设备状态能耗曲线对FJSP车间机器能耗进行分析,对加工机器实施启停策略,进而构建以生产效率、设备资源、能源消耗等为优化目标的高维多目标柔性作业车间调度模型。其次,针对常规多目标优化算法求解高维多目标优化问题时面临着选择压力衰退等问题,本文通过对传统的NSGA-Ⅲ进行改进,使其能够更加有效的解决高维多目标柔性作业车间问题。在初始化种群方面,采用自适应的混合初始化方法生成优质的初始解。在生成参考点方面,本文为了避免目标过多时,参考点数量过大,采用将参考点分为内外两层,利用参考点把目标空间分解为多个子目标空间,引导算法在多个子目标空间中进行并行搜索。对归一化过程中的ASF进行了改进,增强该算法识别具有弱帕累托支配关系的解。利用小生境选择机制,引导算法选择参考点附近的个体,有效的保证了算法的收敛性和全局性。引入外部精英存档策略,进而能够保留优良的个体。算法在选择操作时通过等概率的从当前种群和外部精英存档中选取个体,进一步提升了种群的多样性和引导算法加速向最优解收敛。最后,利用MATLAB编程语言实现改进的NSGA-Ⅲ算法,并以扩展的Kacem基准算例进行实验模拟,每组实例分别独立运行10次,总共产生120组实验结果。以解的质量、分布性、多样性以及非支配解的数量作为评价指标,与经典的NSGA-Ⅲ、SPEA-Ⅱ-SDE和Gr EA算法进行对比分析,结果表明,该算法具有良好的收敛性以及搜索到的非支配解质量更优。通过对实际生产数据进行仿真模拟,分别对考虑能耗和不考虑能耗各进行20次实验,实验结果表明,合理的安排机器加工和机器的启停操作,可以有效的降低车间加工能耗,验证了本文提出的能耗优化策略在实际生产过程的可行性和有效性。