本发明公开一种基于强化学习的流水车间调度方法，该方法分为处理加工时间矩阵，构建奖励函数，构造神经网络模型，训练模型，模型应用五个阶段进行。对已知的加工时间矩阵进行处理，构造一个二维矩阵M，来描述每个工件在不同时刻的特征。根据优化目标定义奖励函数。将状态矩阵M作为人工神经网络模型的输入，输出为每一个工件的选取概率，并遮罩当前选择的工件对应的输出神经元，直到所有工件都被选取，视为一个回合的结束。回合结束后采用Policy Gradient算法训练模型调整网络模型参数。本方法训练的模型可以高效地优化同等规模下的流水车间调度问题，得到加工时间总和较短的加工顺序。