摘要
本公开的目的在于提供一种基于图深度强化学习的装配线变型路径规划系统、方法，包括：输入层、知识与机理层、核心处理模块、输出层以及应用与反馈层；本公开将装配线变型过程建模为图结构，并设计了精确匹配变更传播优选目标的奖励函数。通过将输入的变更传播优选数学模型作为训练依据，对基于图深度强化学习构建的神经网络模型进行反复训练，直至模型输出结果稳定收敛，从而能够智能地识别出最优的初步变型路径。此最优路径将为后续的实例化重构提供关键的维度联动骨架，最终实现整个装配过程的虚实映射快速建模，并显著缩短物理装配线逆向建模时间。
