★ 2
多资产维护中规划与强化学习的可靠性与成本对比
论文基于运行至失效数据，在多资产轴承维护场景下对比规划方法与强化学习。规划将可靠性作为硬约束，产生零故障策略且总成本对故障惩罚幅度不敏感；RL 优化期望成本，在低惩罚下成本更低但即使高惩罚仍存在非零故障。研究还探索奖励塑形与动作掩码等约束机制，认为规划与 RL 是互补方法，并提供了可复用的统一基准…
arXiv cs.AI48 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文基于运行至失效数据，在多资产轴承维护场景下对比规划方法与强化学习。规划将可靠性作为硬约束，产生零故障策略且总成本对故障惩罚幅度不敏感；RL 优化期望成本，在低惩罚下成本更低但即使高惩罚仍存在非零故障。研究还探索奖励塑形与动作掩码等约束机制，认为规划与 RL 是互补方法，并提供了可复用的统一基准…