La programación inteligente de talleres de tejido es la clave para realizar una fabricación inteligente en el tejido. Dada la incertidumbre del entorno del taller, es difícil que los algoritmos de programación existentes ajusten las estrategias de programación de manera flexible. Este documento propone una arquitectura de algoritmo de programación basada en el aprendizaje por refuerzo profundo (DRL). Primero, el problema de programación de talleres inteligentes de tejido se representa mediante un gráfico disyuntivo y se establece un modelo matemático. Luego, se diseña un algoritmo de entrenamiento de optimización de estrategia multi-proximal (multi-PPO) para obtener la estrategia óptima, y se entrenan simultáneamente la estrategia de selección de trabajos y la estrategia de selección de máquinas. Finalmente, se construye una plataforma experimental de programación de talleres inteligentes de tejido, y el algoritmo propuesto en este documento se compara con reglas heurísticas comunes y algoritmos metaheurísticos para pruebas experimentales. Los resultados muestran que el algoritmo propuesto en este documento es superior a las reglas heurísticas para resolver el problema de programación del taller de tejido y puede alcanzar la precisión del algoritmo metaheurístico. Además, la velocidad de respuesta del algoritmo en este documento es excelente, lo que satisface las necesidades de programación de producción de talleres inteligentes de tejido y tiene un buen significado orientador para promover la fabricación inteligente en el tejido.