舰载机的出动架次率常用来作为衡量航空母舰作战性能的核心指标,而航空保障作业（又称“航保作业”）调度效率便是影响该指标的关键因素之一。舰载机航保作业调度是一个在受限的空间、时间和保障资源的联合约束下,以提升舰载机的出动效率为目标,对舰载机航保作业流程进行优化的实时调度规划问题。它对航母编队战斗力的形成至关重要,一直是世界各军事强国长期关注的重点问题。近年来,强化学习作为机器学习的一个子领域发展迅猛,在调度优化领域取得了诸多丰硕成果。它非常适合用来处理类似航保作业调度这种序列决策问题,可实现在动态、不确定、实时环境下的高效调度方案规划。基于此,本文针对舰载机航保作业调度（Aircraft Support Operations Scheduling,ASOS）问题开展了一系列探索研究。首先,提出了一种基于强化学习的序列决策算法,该算法由策略学习和在线决策两个模块组成,可通过最大化长期累积收益从全局的角度对调度过程做出优化。但由于该算法采用了“先来先服务”模式,致使决策时目光短浅,仅能考虑当前候选匹配,可能错过后续更优匹配。因此,提出了一种基于强化学习的自适应分批策略来从批处理的角度优化调度过程,该策略可以根据实时调度环境自适应的划分一个合适的批次大小,进而批分配。最后,得益于对上述军用场景中航保作业调度问题的研究,本文将基于强化学习的研究理论成果迁移应用到了民用的城市物流调度问题中。本文的主要贡献包括:（1）定义了ASOS问题,并提出了一种基于强化学习的高效舰载机航保作业序列决策算法,该算法不仅考虑了调度过程中产生的即时奖励,还兼顾长期收益,从而达到优化调度过程长期效用的目的。具体地,它首先将舰载机航保作业与保障阵位间的实时匹配建模为一个基于POMDP的序列决策问题,然后利用一套基于DQN的学习规划框架对其求解。为了验证算法性能而构建了仿真环境,并在仿真数据集上对此算法进行实验验证,结果表明该算法可以有效满足舰载机实时调度场景的需要。（2）受限于序列决策“先来先服务”模式自身“短视”缺陷给航保作业调度性能带来的瓶颈,提出了一种基于强化学习的自适应滑窗决策算法来求解ASOS问题,该算法可以根据实时调度环境自适应地划分滑动窗口（批次）,进而进行批分配,即匹配每个滑动窗口内的舰载机和保障阵位。同时,为该算法设计了一种新颖的状态表示,它整合了舰载机航保作业调度过程中的数量、时间和移动成本等几个关键因素,以进一步提升滑动窗口划分性能。最后,进行了广泛的实验来验证该算法的性能,结果表明该算法可以在满足实时需求的前提下实现高质量的航保作业调度,且比（1）中所提算法性能更优。（3）将探索军用场景中航保作业调度问题的经验思想迁移应用到了民用场景中,定义了一个基于自适应滑动窗口的实时城市快递（Real-Time City Express Delivery via Adaptive Sliding Window,RTDW）问题,由于该问题相较于航保作业调度问题具有更为庞大的任务数和更为灵活的空间路线,致使上述方法不能直接应用,故提出了一种顺序匹配算法（Sequential Matching Algorithm,SMA）和一种时间感知批量匹配（Time-aware Batch Matching,TBM）算法来求解它。此外,受（2）中思想的启发,提出了一种基于DRL的算法来优化TBM算法,该算法基于深度强化学习实现,并配备了一种新颖的组合特征向量作为感知状态来自适应地确定滑动窗口大小,从而为平台带来良好的长期收益。然后,从理论上对批处理算法的竞争比进行了分析,以保障本文所提算法的实际性能。经在两个真实数据集上进行的大量实验表明,本文所提算法可在不同的参数设置下获得理想的匹配质量和效率。