一种基于深度强化学习的爆破施工交通调度优化方法与系统

本发明提出了一种基于深度强化学习的爆破施工交通调度优化方法，包括：构建交通环模型、设计深度Q网络模型、设计多目标函数和目标奖励函数来训练该DQN网络和集成经验回放与目标网络机制，基于训练后的DQN模型生成交通调度指令，控制交通信号灯及车辆绕行路线等步骤，通过在智能交通调度中使用DQN算法，针对爆破场景设计专门策略，创建高效的模拟平台，并设计多目标奖励机制，使调度更智能、更适应，减少施工的负面影响，模型可扩展适用于多种交通场景。