西安交通大学的严如强等人使用深度强化学习解决了多目标优化问题，其中包括维护成本和可靠性模型
文章概要：
1. 西安交通大学严如强等人使用深度强化学习解决了多，其中成本和可靠性
. 目前该领域的研究主要集中在单目标优化上，通常以基于成本的方法为中心然而，这种方法可能不足以满足航空发动机这样的复杂设备的需要
3 为了解决这个问题，交通大学的如强使用深度强化（DRL）解决了多目标优化问题MOP），其中包括成本可靠性模型
. 研究使用多目标DRL优化航空发动机维修策略，协调优化维护成本，L框架内分解策略和基于邻域的参数的集成了维护阈值确定、约束和权重分配的挑战>.此框架应用于考虑经济依赖性的航空策略优化中，与传统基线维护策略相比，成本降低高达16.7%事实证明，该能够在可靠性同时降低维护成本并且适应环境的动态变化
6. 本文介绍了一种用于优化航空发动机维护策略的MOP。在此框架内，发动机退化水平直接影响维护决策，无需固定的维护阈值。维护成本和可靠性被视为MOP奖励使用分解策略将其分解为一系列标量优化子问题。此外基于邻域的参数传递策略来加速训练过程
阅读原文
. 目前该领域的研究主要集中在单目标优化上，通常以基于成本的方法为中心然而，这种方法可能不足以满足航空发动机这样的复杂设备的需要
3 为了解决这个问题，交通大学的如强使用深度强化（DRL）解决了多目标优化问题MOP），其中包括成本可靠性模型
. 研究使用多目标DRL优化航空发动机维修策略，协调优化维护成本，L框架内分解策略和基于邻域的参数的集成了维护阈值确定、约束和权重分配的挑战>.此框架应用于考虑经济依赖性的航空策略优化中，与传统基线维护策略相比，成本降低高达16.7%事实证明，该能够在可靠性同时降低维护成本并且适应环境的动态变化
6. 本文介绍了一种用于优化航空发动机维护策略的MOP。在此框架内，发动机退化水平直接影响维护决策，无需固定的维护阈值。维护成本和可靠性被视为MOP奖励使用分解策略将其分解为一系列标量优化子问题。此外基于邻域的参数传递策略来加速训练过程
河北农业大学张璠副教授等：基于深度强化学习的收割机省内协同调度优化策略
文章概要：
1. 河北农业大学张璠副教授等：基于深度强化学习的收割机省内协同调度优化策略
2 研究由河北省重点研发项目等资助
3 针对目前多机多地块调度作业存在低、成本高等，研究构建了收割机地块间转移成本最小目标的协同调度，了深度强化的协同调度算法> 4. 试验结果表明：有效作业时长为4024h、中心位于区域中心或边缘时，相比其他3种算法，DRL-OSA算法均能最低的调度成本
5. 研究结果可为收割机省内协同作业提供科学合理的调度方案
阅读原文
2 研究由河北省重点研发项目等资助
3 针对目前多机多地块调度作业存在低、成本高等，研究构建了收割机地块间转移成本最小目标的协同调度，了深度强化的协同调度算法> 4. 试验结果表明：有效作业时长为4024h、中心位于区域中心或边缘时，相比其他3种算法，DRL-OSA算法均能最低的调度成本
5. 研究结果可为收割机省内协同作业提供科学合理的调度方案