基于深度强化学习的复杂海况下舰载机保障作业鲁棒自适应调度优化研究
《Automation》:Robust and Adaptive Optimization of Carrier-Based Aircraft Operations Scheduling Considering Resource Degradation and Uncertainty
【字体:
大
中
小
】
时间:2026年10月21日
来源:Automation 2.9
摘要
为解决复杂海况下因资源性能退化和随机环境扰动导致的舰载机保障作业调度失败问题,本文提出了一种鲁棒自适应调度优化框架。首先,引入Gamma随机过程,显式建模保障资源的动态退化演化路径,并构建了设备状态与故障概率耦合的非线性映射关系。其次,将调度问题表述为有限时域马尔可夫决策过程(MDP),并设计了基于近端策略优化(PPO)算法的深度强化学习求解方案。为增强极端不确定性条件下的系统生存能力,开发了一种基于场景的鲁棒训练机制,使策略能够覆盖多种退化轨迹。最后,引入滚动时域重调度机制,实现对实时状态偏差的适应性反馈调整。仿真结果表明,所提方法显著降低了总保障时长(makespan),同时有效提升了设备可靠性和调度方案的抗扰动能力。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号