简介： 本发明涉及半导体芯片封装测试生产线性能控制与优化领域，具体为一种基于Q‑learning强化学习的芯片封装测试生产线性能控制方法。本发明建立了更加精确的半导体封装测试串并联生产线性能预测模型，并综合使用Morris筛选法与Arena仿真法开展全局灵敏度定量分析，得到对生产线性能影响最大的若干影响因素及其影响规律，避免了设备马尔科夫状态空间庞大，传统数学模型分析不适用的情况。本发明在性能预测和灵敏度分析的基础上对生产线变动性因素进行控制，并改进参数ε的取值方式，使得算法收敛速度更快并避免局部最优，同时性能控制方法具有更好的灵活性和实时性。