作为研究最广泛的一类组合优化问题,作业调度问题是现实社会中交通、物流、工厂等领域实际问题的抽象模型。组合优化问题中约束条件复杂,求解空间庞大等因素都增加了其求解难度。目前,传统方法在求解作业调度问题时存在一定的局限性,而强化学习作为近来最受关注的机器学习领域,在很多问题上都有很好的应用。因此,本文为了探索人工智能算法在实际生产中的应用,着重研究了深度强化学习方法求解经典的组合优化问题——同顺序流水作业调度问题。论文的主要工作如下:第一,建立行动者-评论家模型求解同顺序流水作业调度问题。首先根据同顺序流水作业调度问题的约束条件和求解目标等建立该问题的数学模型。同顺序流水作业调度问题实质上可以被抽象为序列决策问题。为了帮助求解该问题,本文引入两种神经网络模型来进行序列决策:一种是采用了编码器-解码器框架结构的指针网络;另一种是结合了Transformer模型和指针网络的注意力网络。针对同顺序流水作业调度问题,分别基于指针网络和注意力网络两种神经网络模型构造行动者-评论家的深度强化学习框架来求解。第二,提出了异质网络的行动者-评论家模型。本文改进了传统的行动者-评论家框架的神经网络结构,根据作业车间调度问题的特征和模型中不同模块的任务特点,综合分析各种网络的结构特性,设计了一种异质网络的行动者-评论家网络。在模型训练部分,采用ε-greedy的搜索策略在保证模型的训练效果的情况下提升模型的探索能力。最后结合了2-opt算法进一步改进模型,提升模型的求解效果。实验表明在求解同顺序流水作业调度问题上,本文提出的算法与同质网络的行动者-评论家模型相比具有高效性和优越性;与传统方法特别是元启发式算法相比,本文的求解效果非常接近甚至在某些情况下上超过了元启发式算法。