买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国海洋大学申请的专利多目标三并行拆卸线平衡优化方法、装置和电子设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121257846B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511448374.4，技术领域涉及：G06Q10/04；该发明授权多目标三并行拆卸线平衡优化方法、装置和电子设备是由韩勇;徐振宇;蒋琪;杨静远;邱子艺设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本多目标三并行拆卸线平衡优化方法、装置和电子设备在说明书摘要公布了：本发明公开了多目标三并行拆卸线平衡优化方法、装置和电子设备，方法包括步骤S1：收集拆卸线原始数据组成数据资料库，建立以最小化开启工作站数量、最小化空闲均衡指标、最小化能耗指标为目标的数学模型；步骤S2：采用DPG训练策略网络、价值网络，并将训练好的策略网络保存下来；步骤S3：接收输入的当前需要拆卸的废旧产品信息，以及计算节拍时间；步骤S4：将步骤S3中接收到的当前需要拆卸的废旧产品的相关信息，输入到步骤S2中得到的策略网络内，获取策略网络输出的A；步骤S5：对步骤S4中获取的策略网络输出的A进行解码操作，进而得到相应的拆卸方案；本发明解决了市场需求变化条件下的三并行拆卸线工序分配和优化问题。

本发明授权多目标三并行拆卸线平衡优化方法、装置和电子设备在权利要求书中公布了：1.多目标三并行拆卸线平衡优化方法，其特征在于，包括以下步骤： 步骤S1：收集拆卸线原始数据组成数据资料库，建立以最小化开启工作站数量、最小化空闲均衡指标、最小化能耗指标为目标的数学模型； 步骤S2：采用深度确定性策略梯度算法DDPG训练策略网络、价值网络，并将训练好的策略网络保存下来； 步骤S3：接收输入的当前需要拆卸的废旧产品信息，以及计算节拍时间； 步骤S4：将步骤S3中接收到的当前需要拆卸的废旧产品的相关信息，输入到步骤S2中得到的策略网络内，获取策略网络输出的A； 步骤S5：对步骤S4中获取的策略网络输出的A进行解码操作，进而得到相应的拆卸方案； 所述步骤S2包括以下步骤： 步骤S21：预设超参数； 步骤S22：设置一个变量ep，令ep=0，ep用来记录采用DPG训练策略网络、价值网络的迭代次数，根据待拆卸产品的可能最大任务量构建深度神经网络，所述深度神经网络包括策略网络和价值网络； 步骤S23：随机生成深度强化学习的交互状态S； 步骤S24：将通过步骤S23得到的交互状态S，输入策略网络中，进而获取策略网络的输出A，交互状态S内的拆卸任务的优先关系矩阵、拆卸任务的执行时间集合、执行拆卸任务的能耗集合，工作站待机能耗和节拍时间，分别输入策略网络中的第1、2、3、4、5子输入层； 步骤S25：获取策略网络输出的A，并对A加一个在区间[-0.1,0.1]上服从均匀分布的随机扰动，再将新得到的值作为A，策略网络的输出A中包含3个形状分别是：1,100，N1max、1,100，N2max、1,100，N3max的张量，该步骤会为这3个张量都加上服从区间[-0.1,0.1]上均匀分布的随机扰动，再将新的到的值作为A；将本步骤中获取的三个张量分别记作：a1、a2、a3，其中，拆卸产品1最大任务量N1max、拆卸产品2最大任务量N2max、拆卸产品3最大任务量N3max； 步骤S26：对策略网络的输出A进行解码，该步骤是将策略网络输出的A转化为Pareto拆卸线生产方案集的重要过程； 步骤S27：将步骤S23中获取到的交互状态S、策略网络输出的A和对应的奖励信号R合并成一个样本，存储到经验池M中，当经验池M中的样本量大于等于Batch_size且小于等于MNmax时，跳转到步骤S28；当经验池M中的样本量大于MNmax时，删除最早加入经验池M中的数据，直到经验池M中的样本量等于MNmax为止，再转到步骤S28；否则跳转到步骤S23，其中，MNmax表示经验池M中最大样本数量； 步骤S28：更新价值网络、策略网络中的参数； 步骤S29：令ep=ep+1，如果epepisode_num，其中，episode_num为最大迭代次数，跳转到步骤S23；否则，完成训练，将训练好的策略网络保存下来。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。