一种基于A2C强化学习的异构设备维修任务分配系统及方法

本发明公开的一种基于A2C强化学习的异构设备维修任务分配系统及方法，属于强化学习技术领域。本发明实现方法为：1、服务器端建立用于工作台‑任务状态的异构设备维修任务分配的A2C‑GA混合模型，并为模型配置超参数；客户端对服务器端的工作台‑任务状态进行参数初始化；2、服务器端利用任务分配集的动作状态交互评估对Actor网络和Critic网络进行更新，并利用Actor网络和Critic网络梯度损失对A2C模型进行参数更新；3、以迭代循环的方式执行步骤1和步骤2，直到适应度提升小于1％时为止；4、服务器端将任务分配集和任务完成的总时间通过客户端进行可视化输出；与现有技术相比，本发明解决了现有的异构设备维修任务分配中，提升设备维修任务分配的准确性的技术问题。