批（处理机）调度问题从半导体测试工艺中启发而来,是生产调度的热门研究方向之一。不同于传统机器,批处理机只需要满足容量约束,就可以同时加工多个工件。当前,传统方法在求解批调度问题时存在一定的局限性,而深度强化学习在解决各类复杂的组合优化问题中展现出优异的应用性和强大的泛化性。因此,本文从两类单机批调度问题出发,研究了深度强化学习求解批调度问题的有效性。论文的主要工作如下:第一,研究了考虑动态到达的差异工件批调度问题,以最小化制造跨度作为优化目标。首先,根据问题的约束条件建立了数学模型。然后,将批调度问题抽象为序贯决策问题,提出了一种基于深度强化学习的分批优化算法。该算法引入了指针网络构建网络模型进行序贯决策,利用启发式规则协助指针网络解决工件分批,采用Actor-Critic算法对指针网络进行训练。为了进一步提高指针网络的求解性能,本文提出了多约束组批机制来改进指针网络中的指向机制,达到缩小可选工件集并解决工件分批的效果。仿真实验验证了所提算法的有效性,其中基于多约束组批机制的算法整体表现最好。第二,研究了考虑交货期的差异工件两目标批调度问题,以最小化制造跨度和最大迟滞时间作为优化目标。首先,基于问题描述建立了数学模型。然后,利用加权和方法将两目标批调度问题分解为一组单目标子问题,采用指针网络构建子问题的网络模型进行序贯决策。为了有效的提取批调度问题的深层特征,引入了多头注意力机制构建Critic网络。最后,采用传统NSGA-II算法作为对比算法,实验结果证明了所提算法的有效性。