为了实现从制造大国到制造强国的跨越,我国提出了《中国制造2025》十年行动纲领。金属制造业是制造业的重要组成部分。近年来,金属制造业由过去的高增量、大规模的生产方式逐渐转向柔性生产方式,更加注重对市场多样化需求的快速适应。因此,如何有效应对市场多样化需求、如何进一步提高生产效率成为金属制造企业面临的难题。本文对金属制造中的熔铸与热处理车间调度问题进行研究。熔铸和热处理均为金属型材加工的重要工序,在实际生产时面临着排序组合数过大、生产约束较多、生产计划难以制定等问题,导致得出的调度结果很难满足当前实际生产活动的需求。所以需要对车间生产进行科学合理的调度,以缩短订单总完成时间,提高车间生产效率。目前尚缺乏用于求解复杂车间调度问题的成熟算法和模型,因此本文在求解算法上寻求新的尝试,提出了基于深度强化学习的求解算法对熔铸与热处理车间调度问题进行求解。在本研究中,为了使熔铸与热处理车间调度问题更加贴近实际生产,考虑了机器准备时间和批处理两个约束,并以最小化最大完工时间为目标。本文的主要工作如下:首先对熔铸与热处理车间调度问题进行研究,明确问题的目标函数和约束目标,建立熔铸与热处理车间调度问题的数学模型,并设计了解的编码和解码方法。然后分别提出了用于求解熔铸与热处理车间调度问题的端到端算法和改进局部搜索算法。其中端到端算法使用基于编码器-解码器结构的网络模型,并使用带基线的REINFORCE算法对模型进行训练,训练好的端到端模型可以输入问题实例信息直接输出问题的解,具有求解速度快的优点。而改进局部搜索算法则使用基于自注意力机制的网络模型,通过改进的Actor-Critic算法对模型进行训练,训练好的模型可以在迭代搜索过程中对解的选择进行指导,具有较强的全局寻优能力。最后进行实验验证所设计的两个算法的有效性和可行性,并与常见的车间调度算法进行对比,对比实验表明本文所设计的端到端算法虽然其求解效果没有超过传统的元启发式算法但可以在极短时间内给出较优的结果,而改进局部搜索算法则可以在较短时间内获得比传统的元启发式算法更优的结果。两个算法均具有较强的泛化能力,模型一旦训练完成,可以对在同一分布的所有问题实例进行求解,而无须重新进行训练,而且两个算法可以结合使用以进一步提高对问题的求解质量。