大连理工大学学报

作者：杨明君,林焰

关键词：核动力船舶管路路径布局优化深度强化学习差分进化Agent模型

基金：工业装备结构分析国家重点实验室专项基金资助项目(S18315)；中核绿色建造技术与装备重点实验室开放基金资助项目(CNNC-STGCL-KFKT-2022-001).

为了将进化算法过程中种群累积的经验充分利用，且能在短时间内提供更多的核动力船舶管路布局方案，提出了一种将深度强化学习与差分进化相结合的算法(DRL-DE)．该算法基于无网格空间，提出核动力船舶管路Agent模型，将管路Agent中的Code属性作为连续状态空间，差分进化算法中的变异策略作为离散动作空间，利用深度强化学习中的神经网络自主选择最佳策略，通过奖励函数充分利用种群的历史经验信息来提高搜索效率，并引入外部档案制来确定分支管路起点．通过实际的核动力船舶工程案例验证，DRL-DE(DQN)可将算例1、算例2的管路实际长度分别减少15.1%、33.8%，由于针对分支管路提出的外部档案制有效减少了分支管路的弯头点，DRL-DE(DQN)相比于DRL-DE(PPO)在核动力船舶管路布局中展现出更好的性能和效果，并在核动力船舶管路布局方案生成中提供了丰富的选择与机会．

来源：2025年第5期

《大连理工大学学报》期刊编辑部

查看大连理工大学学报杂志2025年第5期