Las demandas del mercado personalizadas hacen que el problema de programación de talleres (JSSP) sea cada vez más complejo, y la necesidad de métodos de programación que puedan resolver estrategias de programación de manera rápida y sencilla se ha vuelto muy urgente. En este estudio, utilizamos la variedad y simplicidad de las reglas de despacho (DRs) y construimos un sistema de selección en tiempo real de DR con características de auto-retroalimentación al combinar técnicas de simulación con algoritmos de árboles de decisión utilizando el tiempo de finalización y la utilización de la máquina como objetivos de programación, que están bien adaptados al JSSP de diferentes escalas. El sistema de selección en tiempo real de DR incluye un módulo de simulación, un módulo de aprendizaje y un módulo de aplicación. La función del módulo de simulación es recopilar datos de programación en los que se incorpora un nuevo modelo matemático que describe el JSSP; la función del módulo de aprendizaje es construir un modelo de asignación de DR para asignar combinaciones de DR al sistema de taller, y la función del módulo de aplicación es aplicar las combinaciones de DR asignadas. Finalmente, se simulan una serie de sistemas de talleres para comparar el modelo de asignación de DR con los algoritmos NSGA-II y PSO. El objetivo es verificar la superioridad del modelo de asignación de DR y la racionalidad del sistema de selección en tiempo real de DR.