基于PPO算法的选择性拆卸优化方法、设备和介质

1.基于ppo算法的选择性拆卸优化方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述s1具体包括：

3.根据权利要求2所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述dpn模型的五元组表示如下：

4.根据权利要求3所述的基于ppo算法的选择性拆卸优化方法，其特征在于，dpn模型的五元组的每个变迁至少包括一个输入和两个输出；其中，每个变迁至少从一个或多个库所获取令牌，并将令牌分发到不同的库所；当一个库所具有令牌时，只能选择激活其中一个输出变迁；当变迁从多个有向弧指向不同的库所，若变迁被激活后，所指向的所有库所都会获得令牌；

5.根据权利要求1所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述基于强化学习的选择性拆卸模型的奖励函数包括：拆卸过程的环境污染指标、拆卸过程的回收再利用价值指标和拆卸过程的回收再利用价值指标。

6.根据权利要求1所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述s2具体包括：

7.根据权利要求5-6任一所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述拆卸过程的环境污染指数：

8.根据权利要求7所述的基于ppo算法的选择性拆卸优化方法，其特征在于，所述ppo算法为actor-critic网络架构，其中，actor网络更新表示如下：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的基于ppo算法的选择性拆卸优化方法。