知识经济时代，知识员工的科学配置和合理调度是知识型企业充分使用和发挥知识资源、赢得市场竞争的关键活动。由于知识员工本身的特殊性以及所面临任务的复杂性、环境的动态性，其调度问题比传统的员工调度更为复杂。本文把握知识员工的知识性、多技能性、较强的学习能力、强调与任务和团队匹配这些显著特点，将员工长期技能发展作为企业发展战略，在传统员工调度理论的基础上，进行了以下研究：首先，在假定员工学习能力确定的情况下，构建了确定型学习能力模型，以员工与任务和团队的匹配度为约束，以总调度成本最小化和员工技能增长最大化为目标，考虑员工的休息和任务间转移、任务延迟等情况，建立了基于确定型学习能力的多阶段多技能的知识员工柔性调度模型；在假设员工学习能力随机的情况下，构建了风险型学习能力模型，根据马尔可夫型随机序贯决策理论，建立了基于随机型学习能力的多阶段多技能的知识员工调度决策模型。其次，分析了传统遗传算法的优缺点，针对其早熟收敛或收敛缓慢的问题，设计了自适应遗传算法。综合考虑收敛性和分散多样性，通过根据适应度大小动态调整遗传操作（交叉和变异）的发生概率，使优良个体得以保护进入下一代，适应度低的个体加快淘汰，从而提高种群多样性和算法的搜索效率，避免早熟收敛现象。并在Matlab界面下用自适应遗传算法对基于确定型学习能力的知识员工柔性调度模型进行了求解分析，表明了算法良好的收敛性能以及模型的有效性。