基于多目标强化学习的拆解线平衡优化方法、系统及介质

本申请涉及数据处理技术预测领域，公开了基于多目标强化学习的拆解线平衡优化方法、系统及介质，方法：S1、获取输入数据并预处理；S2、构建状态空间、动作空间和目标函数，部署训练环境；S3、训练多目标强化学习模型：通过MO‑DQN算法引入偏好向量动态调整目标权重，根据S1获取的拆解数据，计算目标函数，优化S2中的多个目标，结合ε‑贪婪策略和NSGA‑II算法选择动作策略；S4、将训练好的模型生成的最优策略应用于拆解线中的任务分配。通过引入偏好向量，根据任务的具体需求动态调整目标权重，不仅能有效处理目标之间的冲突，还能根据不同情境的变化自动调整优化策略，提升拆解任务中的任务调度与资源分配效率。