随着我国经济的不断增长和科技化创新型产业的不断升级,制造业的生产规模越来越大,复杂性越来越高,人们的需求越来越多样化,日新月异的变化促使制造业朝向智能化自动化的方向发展。生产调度一直是智能制造业中一个非常活跃的领域,它被定义为一个优化过程,在各种制造活动之间分配有限的制造资源,实现生产成本、资源浪费的有效降低以及生产周期的缩短,以期提高企业竞争力,保障企业最大效益。置换流水车间调度问题（permutation flow shop scheduling problems,PFSP）是最基础的调度问题,用于求解该类问题的进化算法不计其数,体系已逐渐成熟,但由于启发式算法结构较为单一、搜索性能较低等局限性,研究人员正在尝试使用当下广受关注的机器学习算法来求解调度问题。本文主要研究单目标PFSP和多目标PFSP问题,以最小化最大完工时间和能耗为目标函数建立数学模型,改进了强化学习分支下的Q-Learning算法并进行PFSP问题求解。主要工作内容如下:（1）研究Q-Learning算法在单目标PFSP中的应用。查阅相关文献资料,首先了解单目标置换流水车间调度问题的基本流程、约束条件、具体特征,建立数学模型,定义变量符号以及目标函数;其次了解Q-Learning算法的具体流程,合理采用算法对问题进行建模,将模型中的动作定义为工件选择的过程,将模型中的状态定义为部分工件序列,将模型中的奖励函数定义为最大完工时间的倒数。（2）改进算法设计。结合NEH启发式算法的思想对Q-Learning算法模型进行改进,Q-Learning算法进行工件选择,执行动作时按照NEH启发式思想进行插入,形成多个部分工件序列,选择最大完工时间最小的部分工件序列作为下一状态进行一系列更新操作。（3）研究Q-Learning算法在双目标PFSP中的应用。根据环境保护国策与车间实际运行情况选择能量消耗作为PFSP的第二目标,在问题模型中增加对目标函数求解方式的定义;更新Q-Learning算法设计,增加Q表数量,匹配问题模型的更新。