调度算法是制造车间数字化和智能化的核心,科学合理的车间调度可以提高制造企业经济效益、缩短制造周期和减少资源浪费,因此对该问题的研究具有重要理论价值与实践意义。论文主要研究内容如下:首先,介绍了强化学习、循环神经网络和基因表达式编程的理论基础,在此基础上针对作业车间调度的特点,提出一种深度循环时序差分网络结合基因表达式编程（Deep Recurrent Temporal Difference Network＆Gene Expression Programming,DRTDN＿GEP）的模型。在所提DRTDN＿GEP模型中,使用循环神经网络拓展了智能体的感受域,让其更易做出有利于全局最优的动作;使用基因表达式编程提高了智能体动作集合的质量,从而提升了智能体的学习效率和性能上限。其次,利用所提DRTDN＿GEP模型求解单目标作业车间静态调度问题。在实例验证中,将传统优先规则启发式算法以及其他深度强化学习模型与所提DRTDN＿GEP模型进行对比,证明了所提DRTDN＿GEP模型的优越性。同时将所提DRTDN＿GEP模型与未加入基因表达式编程构造的深度循环时序差分网络模型在测试集上的表现进行比较,并对智能体实际决策中使用的动作频次进行分析,结果显示基因表达式编程确实提升了深度强化学习模型的性能表现。然后,利用所提DRTDN＿GEP模型求解单目标作业车间动态调度问题。本节构造了四类动态调度环境,在这些环境中将所提DRTDN＿GEP模型通过与其他模型进行比对,证明了所提DRTDN＿GEP模型具有较强的动态适应性,能在损失较少精度的前提下节省大量的训练时间,同时面对环境噪声还具有一定的鲁棒性。最后,利用所提DRTDN＿GEP模型求解多目标作业车间动态调度问题。采用变换参数的多策略方法对原有模型进行改造,使其能够同时考虑最小化最大完工时间、最小化工件平均流经时间和最小化系统总能耗这三个优化目标。实验结果显示改造后的DRTDN＿GEP模型能够应用于求解多目标优化问题,并且获得较好的Pareto解集。