柔性作业车间调度问题不仅要安排工序的加工顺序，还要选择当前工序所使用的机器，是一类灵活性和复杂性较高的NP(non-deterministic　polynomial)-hard问题。以最小化最大完工时间、最小化总机器负荷、最小化最大机器负荷为目标，建立多目标优化模型，将非占优排序融入交叉熵算法，提出求解多目标柔性作业车间调度问题的交叉熵方法(cross-entropy　method　for　multi-objective　optimization,CEMO)，以“随机分布筛”处理工序排列约束函数，确保采样点的可行性并提高收敛速率。对CEMO的机理分析表明，该方法可以利用非占优排序所得精英样本的引导作用，使收敛速度比应用交叉熵方法求解单目标问题更快。同时，针对最大完工时间优化时易出现的早熟现象，提出基于总机器负荷和最大机器负荷的机器分配预训练技术及采样矩阵提前停止更新技术，促进精英样本的进化。最后，通过数值实验验证了CEMO的机理，结果表明该方法可行，且具有收敛快、解的分布更广更均匀的优点。