强化学习作为一种解决组合优化问题的方法是近期发展起来的.它结合了神经网络、人工智能、认知科学、仿真和函数近似理论等领域的有关思想,具有解决状态空间巨大和难于建立精确数学模型这两类问题的能力.可重入生产系统是继单件车间和流水车间之后的第三类制造系统.它的最显著特点是,工件在不同的加工阶段多次访问机器.不同加工阶段的工件竞争同一机器这种情况,使得可重入生产系统的调度问题尤其难解.该文研究强化学习在可重入生产系统调度策略优化中的应用.前三章首先介绍了强化学习和可重入生产系统,并对可重入生产系统进行了重新描述,为后续章节的研究提供了必要的基础.第四章讨论基于积累报酬型强化学习方法的封闭可重入生产系统调度策略优化.第五章对基于平均报酬型强化学习的封闭可重入生产系统调度策略寻优这个问题进行了初步研究.直接从所关心的系统品质--平均输出率出发,应用新近提出的平均报酬型暂态差分算法对调度策略进行优化,获得性能优越的动态调度策略.此外,通过仿真验证了对于该算法,可重入生产系统具有相似推广的性质.最后,作者在第六章对全部研究工作进行了总结,并对今后工作进行了展望.