组合优化问题广泛的存在于生产实践的各个领域，解决组合优化问题的主要手段通常包括使用由领域专家人工设计的启发式算法以及设计成熟的求解器，按照一定顺序构建一个解决方案．而随着实际问题复杂度逐渐的增加，这类方法无法于在线求解方面取得很好的效果，得到的结果可能往往是次优的．而强化学习给出了一个很好的替代方案，通过对智能体模型的良好训练，迅速地对此类问题进行求解．故回顾了近年来将强化学习框架应用于组合优化问题的研究，对其基本原理、相关方法、应用研究进行总结和综述，并指出未来该方向亟待解决的若干问题．