| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-30页 |
| 1.1 研究的背景 | 第10-13页 |
| 1.2 研究的目的与意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-27页 |
| 1.4 本文研究内容 | 第27-28页 |
| 1.5 小结 | 第28-30页 |
| 2 单台衰变设备的预测维护策略 | 第30-53页 |
| 2.1 引言 | 第30-32页 |
| 2.2 问题描述与建模 | 第32-36页 |
| 2.3 基于Q-P学习的最优维护策略 | 第36-40页 |
| 2.4 维护时间的预测 | 第40-42页 |
| 2.5 算例分析 | 第42-51页 |
| 2.6 小结 | 第51-53页 |
| 3 2MlB流水线衰变设备的维护策略 | 第53-66页 |
| 3.1 引言 | 第53-55页 |
| 3.2 问题描述与建模 | 第55-57页 |
| 3.3 基于costs-sharing-RL方法的维护策略 | 第57-62页 |
| 3.4 算例分析 | 第62-65页 |
| 3.5 小结 | 第65-66页 |
| 4 资源受限的2M1B流水线衰变设备维护策略 | 第66-80页 |
| 4.1 引言 | 第66-67页 |
| 4.2 问题描述与建模 | 第67-71页 |
| 4.3 基于RC-costs-sharing-RL方法的维护策略 | 第71-72页 |
| 4.4 算例分析 | 第72-78页 |
| 4.5 小结 | 第78-80页 |
| 5 启发式加速的多Agent强化学习方法 | 第80-95页 |
| 5.1 引言 | 第80-81页 |
| 5.2 基于传统启发式搜索技术的多Agent强化学习方法 | 第81-85页 |
| 5.3 启发式函数加速的多Agent强化学习方法 | 第85-87页 |
| 5.4 仿真实验与结果分析 | 第87-94页 |
| 5.5 小结 | 第94-95页 |
| 6 总结与展望 | 第95-99页 |
| 6.1 全文总结 | 第95-97页 |
| 6.2 研究展望 | 第97-99页 |
| 致谢 | 第99-101页 |
| 参考文献 | 第101-114页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第114-115页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第115-116页 |
| 附录3 攻读博士学位期间参加的科研项目 | 第116页 |
