随着先进制造技术的发展,车间调度已经成为实现智能生产的关键之一,在提高生产效率、降低生产成本等方面起着重要作用。作业车间调度问题是一种在实际生产中十分常见的车间调度问题,也是典型的NP难问题,其研究不仅具有重要的理论价值,还有重要的应用价值。基因表达式编程（Gene Expression Programming,GEP）算法能够生成并表达程序或规则,可用于构造启发式方法,进而对问题进行求解。本文研究并改进了GEP算法,将其用于调度规则的构造,以求解作业车间调度问题,包括经典作业车间调度问题、分布式作业车间调度问题和多目标作业车间调度问题。首先,改进了标准GEP算法。通过改进选择方法、设计自适应遗传算子和新解接受准则、改进远缘繁殖策略的阈值设定方法、并将迭代局部搜索用于策略中新个体的生成,改进了GEP算法。结合超启发式算法思想,提出了基于改进GEP算法的车间调度框架。其次,提出了基于改进GEP算法的作业车间调度方法。根据作业车间调度问题的特征,设计了相应的染色体结构,选择了合适的邻域结构以及函数集和终端集,采用改进GEP算法,求解了该问题。通过对比实验,验证了所提方法的有效性。接着,提出了基于改进GEP算法的分布式作业车间调度方法。根据分布式作业车间调度问题的特征,设计了相应的染色体结构,选择了适合该问题的函数集和终端集,调整了基于迭代局部搜索的改进远缘繁殖策略,采用改进GEP算法,求解了该问题。通过数值实验与对比分析,验证了所提方法的性能最优。然后,提出了基于多目标改进GEP算法的多目标作业车间调度方法。结合多目标优化理论,将NSGA-Ⅱ算法的快速非支配排序和拥挤距离排序引入改进GEP算法,调整了新解接受准则和基于迭代局部搜索的改进远缘繁殖策略,使之适用于多目标优化,得到多目标改进GEP算法,并用于多目标作业车间调度问题的求解。通过数值实验与对比分析,验证了所提方法优于对比算法。最后,对全文的研究工作进行了总结,并对未来的研究方向进行了展望。