本發明公開了一種基于強化學習的廢舊手機目標拆解序列優化方法,首先分析待拆解手機零件之間的約束關系,建立四元組混合圖,在此基礎上搭建手機目標拆解的環境,確定當前的手機拆解狀態以及后續可行的拆解動作,然后將廢舊手機目標拆解序列問題用馬爾科夫決策過程形式化,在此基礎上對獎懲函數賦值并建立狀態?動作?獎勵值矩陣,利用狀態?動作?獎勵值矩陣對Q?learning算法中的Q函數進行訓練,最終利用訓練后的Q函數和形式化后的拆解目標函數進行搜尋,得到拆解至目標零件的最優拆解序列。本發明以四元組混合圖為基礎搭建了更容易編譯的強化學習環境,并且將無模型的強化學習算法用于廢舊手機目標拆解序列問題,降低了模型構建的困難。
聲明:
“基于強化學習的廢舊手機目標拆解序列優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)