El problema de programación de talleres flexibles siempre ha sido el foco de investigación en el campo de la manufactura. Sin embargo, la mayoría de los estudios anteriores se centraron más en la eficiencia y ignoraron el consumo de energía. La energía, especialmente la energía no renovable, es un factor esencial que afecta el desarrollo sostenible de un país. Con este fin, este artículo diseña un modelo de problema de programación de talleres flexibles con consideración de energía más acorde con el campo de la producción. Aparte de la etapa de procesamiento, el consumo de energía de las etapas de transporte, configuración, descarga y tiempo de inactividad también se incluye en nuestro modelo. La propiedad de peso de los trabajos también se considera en nuestro modelo. Cuanto más pesado es el trabajo, más energía consume durante las etapas de transporte, configuración y descarga. Mientras tanto, este artículo inventa un algoritmo genético de clasificación no dominada de población adaptativa III (APNSGA-III) que combina la estrategia de control dual con el algoritmo genético de clasificación no dominada III (NSGA-III) para resolver nuestro modelo de problema de programación de talleres flexibles. Se formulan cuatro instancias del problema de programación de talleres flexibles para examinar el rendimiento de nuestro algoritmo. Los resultados obtenidos por el método APNSGA-III se comparan con cinco algoritmos clásicos de optimización multiobjetivo. Los resultados muestran que nuestro algoritmo propuesto es eficiente y potente al abordar el modelo de problema de programación de talleres flexibles multiobjetivo que incluye el consumo de energía.