[发明专利]一种离散制造场景中的强化学习奖励自学习方法

摘要

本发明公开了一种离散制造场景中的强化学习奖励自学习方法，包括如下步骤：对当前生产线的工序细化g∈G＝{g1,g2,…,gN}，智能体到达预定目标g记录为一个交互序列episode，根据初始参数获得g1作为目标对应的多段episodes，将episodes中的状态动作以及状态的差值△作为训练数据集输入GPR模块，得到基于状态差分的系统状态转移模型；智能体Agent继续与环境进行交互，获得新的状态st，Reward网络输出r(st)，Actor网络输出a(st)，Critic网络输出V(st)，GPR模块输出值函数Vg作为整体的更新方向；当|Vg‑V(st)|ε时，则认为当前工序下的奖励函数学习完毕，并进行Reward网络的参数保存；继续进行交互，产生以下一个子目标gn+1作为更新方向的episodes，用于GPR的更新；当设定目标G＝{g1,g2,…,gN}全部依次实现时，完成生产线的工艺学习。