本文探讨了基于深度强化学习的算子选择方法，以提升自适应大邻域搜索（ALNS）算法的解题质量。研究表明，该方法在小型和大型问题上均能有效提高解决效率，优于传统自适应算子选择方法。同时，分析了运算符组合和选择尺度的影响，并提出了一种结合注意力机制的强化学习方法，解决作业车间调度问题，表现优于现有启发式规则。