简介： 本发明公开了一种基于强化学习的废旧手机目标拆解序列优化方法，首先分析待拆解手机零件之间的约束关系，建立四元组混合图，在此基础上搭建手机目标拆解的环境，确定当前的手机拆解状态以及后续可行的拆解动作，然后将废旧手机目标拆解序列问题用马尔科夫决策过程形式化，在此基础上对奖惩函数赋值并建立状态‑动作‑奖励值矩阵，利用状态‑动作‑奖励值矩阵对Q‑learning算法中的Q函数进行训练，最终利用训练后的Q函数和形式化后的拆解目标函数进行搜寻，得到拆解至目标零件的最优拆解序列。本发明以四元组混合图为基础搭建了更容易编译的强化学习环境，并且将无模型的强化学习算法用于废旧手机目标拆解序列问题，降低了模型构建的困难。