[发明专利]一种基于增强学习的串行生产系统生产维护联合优化方法

摘要

本发明涉及一种基于增强学习的串行生产系统生产维护联合优化方法，包括：通过马尔可夫链表示串行生产系统的系统状态，构建包括状态空间、动作空间、转移矩阵和成本函数的马尔科夫模型；采用贪心策略求解马尔科夫模型，从动作空间中选取维护策略，构建回放记忆数据集；采用回放记忆数据集对预先建立的神经网络进行迭代训练，直至达到预设的迭代终止条件；采用训练后的神经网络，获取实际串行生产系统的生产维护策略。与现有技术相比，本发明构造马尔可夫决策过程数学模型，可反映生产系统的动态变化，结合神经网络框架和经验回放技术，优化了算法的收敛速度和求解能力，可适用于复杂度高的串行生产系统的动态决策求解需求。