生产调度位于计算机集成制造系统体系结构中的中间层,是控制与管理一体化的接合部。向上要给企业经营战略决策层提供决策依据,向下要安排生产加工任务,指导监督控制层的运作。因此,生产调度是实施计算机集成制造系统的关键。在实际生产过程中,绝大多数的调度问题都属于动态调度问题。目前,大部分动态调度问题都利用调度规则来进行解决,但调度规则本质上是一种局域内的贪心搜索方法,盲目追求单一目标,同时其无法根据系统环境状态的改变进行自适应调整,因此没有一种调度规则能够在系统各项重要调度性能指标下都表现出良好的调度性能。因为Agent具有适应动态变化环境以及交互协商的能力,因此很多学者利用Agent技术来解决动态调度问题,但如何提高Agent的学习能力是Agent适应动态变化环境和提高交互协商能力的基础和关键。强化学习是实现Agent学习机制的有效途径,作为一种常用的强化学习算法,Q学习由于不受应用模型约束,在制造领域得到了广泛研究,但目前基于Q学习的Agent生产调度优化研究还很少。本文构建了模式驱动调度系统,并结合智能体技术,对强化学习在这一系统中的应用机制进行了研究。通过MATLAB实验仿真,对模式驱动调度系统在动态单机调度问题中的调度性能进行了分析。仿