计算机辅助工艺规划（Computer-aided process planning,CAPP）是制造业缩短生产周期、提高工艺质量和降低生产成本的重要手段。作为CAPP的关键核心,工艺决策对机加工所需的方法与资源进行配置,实现设计信息向加工行为的转化。然而,CAPP中存在一系列过程复杂、约束繁多的离散决策任务,不易实现工艺的自主决策。本文以提升CAPP系统的自主决策能力为目标,对系统中多个决策困难任务进行研究。主要内容如下:针对零件模型表面几何元素相交导致的加工特征多重解释问题,本文提出一种材料体分解后优化重组的方法进行特征识别。该方法将单一特征生成与特征排序两个决策问题转化为一个双层组合优化问题。在底层中,单个特征由指定零件表面对应的单元扩展得到;在顶层中,整个零件的加工特征分布则通过调整指定零件面的特征生成顺序得到。本文通过建立包含特征个数、刀具接近方向及切削方向在内的目标函数,定量分析多重特征解释的优劣,并使用模拟退火算法寻找最优解。装夹规划和工步排序是两个相互关联的决策问题。然而,现有方法将二者分开处理,使得整体规划中成本与精度无法兼顾。为了获得公差约束下的成本最优规划结果,本文建立以成本为目标函数的组合优化模型对装夹规划与工步排序问题进行联合求解,设计包括公差约束、先导约束、刀具接近方向约束和装夹面选择约束等在内的多重约束体系,并使用改进的粒子群算法进行求解。当前加工资源配置方法多基于资源静态不变的假设,无法适应加工中的不确定性。针对这一问题,本文提出基于深度强化学习的动态资源配置方法,通过既有决策经验的扩展与重用来提高资源配置的响应速度。本文使用蒙特卡洛采样法对工艺策略进行评估,使用基于Actor-Critic的强化学习算法进行策略优化。此外,本文分别构建了策略网络与评价网络用于策略存储,并使用梯度下降方法进行策略训练。在完成对以上三个工艺决策任务的研究后,本文以UG软件为平台进行二次开发,编写了包含特征识别、装夹规划、资源配置以及工艺数据库四个模块在内的CAPP智能决策原型系统。通过对该系统生成的工艺规划的实际加工,验证了该工艺决策软件的有效性。