作业车间调度问题（JSP）作为一个重要的生产调度问题,近年来受到了学术界和企业界的高度重视。现有研究围绕静态作业车间调度问题,提出了一系列生产调度模型和求解方法。然而,在实际生产中,经常会出现各种不可预知的突发事件,比如机器故障、随机工件到达、交货期变更等。为了保证整个生产系统稳定、有序地运行,制造企业需要进行必要的动态调度来处理这些突发事件,对原有调度方案进行调整或修改,快速地生成重调度方案。因此,针对动态事件影响下的车间重调度算法进行研究具有重要的研究理论意义和应用价值。本文针对动态作业车间调度问题（DJSP）展开研究,研究内容如下:（1）针对静态Job-shop调度模型,以最小化最大完工时间为优化目标,采用一种改进的遗传算法对其进行求解。根据Job-shop调度问题的特性提出了一种新的启发式调度规则,并结合文献中常用的六种调度规则（SPT、LPT、FIFO、LIFO、SRPT和LRPT）,设计了一种新的种群初始化方法。基于29个JSP调度问题标准算例进行对比实验,实验结果表明所提出的种群初始化方法可以明显提高遗传算法的收敛速度和求解质量。（2）重点研究生产系统中常见的四种动态事件,分别为工件工序加工时间改变、机器故障、随机工件到达和订单取消,建立融合这四种动态事件的动态JSP数学模型,并根据每种动态事件的特点,分别建立相应的重调度机制。为了求解动态JSP调度模型,提出一种基于蒙特卡罗树搜索（Monte Carlo Tree Search,简称MCTS）的事件驱动的重调度方法（MCTS based Event-driven Rescheduling Method,简称MCTS-ERM）。（3）所提的MCTS-ERM中包括以下研究工作:首先,将动态Job-shop调度问题建模成MCTS搜索树。其次,为了提高MCTS的搜索效率,对MCTS进行了改进,主要改进方式是采用了子树保留和Rapid Action Value Estimates（RAVE）优化技术,设计了子树修剪、先验知识和置换表三种优化技术,将这五种优化技术嵌入到MCTS的搜索过程。接着,基于改进的MCTS设计了一种新的重调度方法MCTS-ERM,包括调度规则和MCTS的多阶段联合调度机制设计、MCTS节点选择策略的改进。最后,基于静态JSP调度问题标准算例FT10设计了15个DJSP测试算例,对MCTS-ERM进行了多组对比试验,实验结果表明,所提出的MCTS-ERM相比于其他重调度算法在求解时间和求解质量上具有良好的性能。