一种基于平均奖赏强化学习的MTO企业订单接受方法

摘要

本发明公开一种基于平均奖赏强化学习的MTO企业订单接受方法，包括以下步骤：订单信息假设、确定系统状态集、确定系统动作集、确定立即回报函数、构建订单接受模型和订单接受模型求解；本发明在传统MTO企业订单接受问题考虑的因素基础上，增加了订单库存成本及多种顾客优先级因素，构建了半马尔科夫决策过程订单接受模型，运用SMART算法进行求解，并在此基础上，对已接受的订单运用贪心算法进行排序生产，以最大化企业长期平均收益，不仅有较高的订单接受选择能力，而且对环境变化具有较好的适应能力，能够权衡订单利润与各项成本为MTO企业带来更高的收益，同时还能满足客户的个性化需求，与客户保持密切的联系。