基于深度强化学习的多品类物资预置预储测算方法

本发明属于物资预置储备技术领域，具体涉及一种基于深度强化学习的多品类物资预置预储测算方法，所述方法的基本思路是，通过输入的状态信息使用神经网络对Q值函数进行拟合，并结合多种启发式规则，决策出最优的物资调度动作，从而降低预置预储总成本。所述方法能够格局环境的反馈不断优化策略，这意味着可以适时调整库存策略，以适应需求的波动和供应关系的变化；所述方法马尔科夫链能够很好的捕捉时间序列数据中的依赖性，这使得它在处理具有时间序列特征的问题时非常有用。强化学习结合马尔科夫链可以更好的理解和预测未来的需求模式，从而更准确的进行库存管理。