基本信息

---

下载

文档摘要

---

摘要

多部件系统视情维修(Condition-basedmaintenance,CBM)与库存策略联合优化是近

年来可靠性领域的研究热点。维修活动的不确定性导致备件需求的随机性，备件库存

的短缺又会造成维修活动的推迟。多部件系统中，部件数量众多导致联合优化问题具

有高维的状态空间和动作空间，相同部件共享同一备件使得维修与库存间的影响和制

约关系变得更为复杂。本文采用强化学习算法，解决了三种不同规模和特性的多部件

系统视情维修和库存策略联合优化问题，克服了其中状态空间和动作空间过大的困难。