随着当前经济全球化的不断深入和客户需求的不断变化,制造企业面临的外部环境越来越复杂多变,经典的以提高算法优化能力为核心的静态调度算法很难在实际制造环境下有效发挥作用。为此,为解决不确定、复杂动态环境下的调度问题,本文针对作业可以随机到达的动态作业调度问题,基于强化学习与经典调度规则相结合,研究建立一种在非预见、动态环境下具有良好的优化和自适应能力的作业调度方法。本文通过分析动态调度问题特性及现有调度算法,建立了将经典调度规则嵌入强化学习算法的问题求解框架,并引入动态干扰因素来表征实际作业环境中工件随机到达这类动态事件。同时,考虑到作业生产效率与客户订单交货需求,以最小化最大延迟时间作为调度算法的优化性能指标,建立了动态作业调度问题模型。针对经典规则调度算法解决动态调度问题能力的不足,本文选取强化学习中的Q学习算法,提出了一种基于Q学习的改进规则调度算法。为提高调度算法探索、利用规则的能力,以获得不同作业状态下的最佳调度规则,建立了新的状态空间表示方法“Tard”、简单有效的奖励机制以及以Boltzmann采样函数为主体的搜索策略,并以经典规则组成动作集。为了验证所提算法的可行性和有效性,选取8组基准调度算例,在工件随机到达和5个不同紧迫因子条件下进行仿真研究。结果表明,所提出的算法有效缩短了最大延迟时间,在收敛性、快速寻优能力,以及对动态环境的适应性方面均具有良好的表现。然而,由于Q表维度的限制,使得该算法对车间实时状态的描述能力受限,当求解较大规模的调度问题时,解的稳定性有时会变差。为了克服上述算法的问题,本文进一步运用深度强化学习算法,对规则调度算法进行改进,提出了一种基于DDQN（Double-DQN）的改进规则调度算法。通过分析生产环境中工件和机器的主要状态设计了8个调度状态特征,同时选取3条复合规则与7条单一规则扩大了原有动作规则库,增加与延迟时间相关的特征指标进一步丰富了奖励机制。为了验证所提出的算法在处理不同情况调度问题时的性能表现,选取18组经典调度算例,结合3种工期紧迫状况,对算法进行仿真研究,结果表明,基于DDQN的改进规则调度算法在调度解的精确性、鲁棒性和泛化性等方面有着进一步提升,能够有效地解决不同规模的作业调度问题。