车间调度是企业生产管理与优化的重要环节,也是实现先进制造和提高生产效益的基础和关键。作业车间调度问题是典型的NP难组合优化问题,在处理动态作业车间调度问题中,基于规则的调度方法是应用十分普遍的一类方法,但适用于某种特定场景的调度规则难以满足新的制造条件下的调度性能指标。因此,本文针对动态作业车间调度问题,研究DQN算法与规则调度方法相集成的作业调度方法,针对不同的车间情况,利用合适的机器学习方法,从所设计的备选规则集中,选出满足多目标调度的调度规则。本文对作业车间调度问题的规则调度方法和机器学习方法的国内外研究现状进行了综述,总结了各类方法的优缺点,分析了机器学习方法在求解作业车间调度问题上的可行性。为设计DQN算法与规则调度方法相集成的调度策略,本文研究了作业车间调度问题的问题描述,通过分析动态作业车间的各类动态事件,建立了适用于DQN算法的动态作业车间数学模型。根据多目标作业车间的要求,选用了常用的评价指标,研究了多目标优化问题的基本方法。考虑到规则调度方法的特点,本文采用了多规则调度策略(MDR)对作业进行排序,并设计了符合DQN算法要求的调度规则库。为有效建立DQN算法下的作业车间模型,本文引入了马尔可夫决策过程,研究了DQN算法的理论基础。为在作业车间的不同状态下选用适当的调度规则,本文建立了在DQN学习算法下作业车间调度问题的状态描述,提出了DQN算法下作业车间状态的更新策略;其次,选用了作业车间中常用的调度规则,建立了包含59种不同调度规则组合形式的动作集合;最后,针对作业车间的多个调度目标,建立了符合多目标优化问题的奖励机制。通过仿真验证,本文所提出的基于DQN算法的调度规则选用策略,能够根据不同的作业车间状态,选用当前状态下最优的调度规则,构造出满足作业车间调度目标的调度序列。结果表明,本文所提出的方法对优化动态作业车间多目标调度问题有着较好的效果。