随着科技和经济的蓬勃发展,车间调度问题已逐渐成为影响制造企业生产效益的关键因素之一。由于实际生产中各种突发事件层出不穷,如何进行高效的动态调度已成为企业重点关注的问题。基因表达式编程(Gene Expression Programming,GEP)是一种兼具遗传算法(GA)与基因规划算法(GP)优点的新兴机器学习算法,能够从不同领域的问题中提取与其相关的知识,但其在调度问题中的应用较少。本文基于GEP算法,深入研究了车间动态调度方法。首先,对标准GEP算法进行了分析研究,在此基础上将变邻域搜索算法嵌入其中,设计了多种邻域结构;提出了一种自适应遗传算子,以提高算法的性能;并基于改进的GEP算法,提出了车间动态调度框架。其次,以工件陆续随机到达为动态事件,对作业车间动态调度问题进行了研究。对问题进行了建模与分析,设计了一种针对该问题的编解码方式;提出了一种基于改进GEP的作业车间动态调度规则构造方法;通过仿真实验,与GEP、GP等算法进行比较,验证了所提方法的有效性。然后,对柔性作业车间动态调度问题进行了研究,并考虑了工件准备时间。建立了该问题的数学模型,利用改进GEP算法进行求解;通过设计仿真实验,与GEP、GP和经典调度规则进行对比,验证了该方法的优越性。接着,对柔性作业车间多目标动态调度问题进行了研究,提出了一种基于快速非支配排序的改进多目标基因表达式编程算法(改进MOGEP),并将该算法与多目标基因表达式编程算法进行比较,通过实验验证了该算法的性能。最后,对全文进行了总结,并展望了将来可以继续研究的方向。