一种基于深度强化学习的拆解线平衡方法

本发明属于人工智能技术领域，公开了一种基于深度强化学习的拆解线平衡方法，包括以下步骤：S1：对拆解产品信息预处理；S2：定义人体疲劳影响因素；S3：定义符号、决策变量和约束关系，建立拆解目标函数；建立疲劳与目标函数之间的关系，建立人体疲劳影响的拆解线平衡问题数学模型；S4：将S3建立好的数学模型转化为马尔可夫决策过程MDP；S5：设计基于Q‑learning算法的DDQN网络模型结构，得到最优目标函数值。本发明将疲劳累积与恢复公式嵌入拆解线优化，并以最小化拆解时间为目标函数建立数学模型，利用结合了transformer的DDQN强化学习算法求解目标函数，实现拆解线平衡优化。