台风扰动下水稻收割机调度的强化学习研究
用Double DQN训练多智能体共享策略,优化台风扰动下水稻收割机调度。
构建500个日本水稻收获仿真场景,Double DQN训练并在100个留出场景评
强化学习作物损失率中位数7.52%,显著低于最近田块策略8.59%和先进先出13.25%。
可扩展到多机型协同、实时气象预报耦合及真实农场数据验证的鲁棒调度研究。
多智能体仿真规模较大、对照策略与统计检验完整,结论对台风季农机应急调度有参考价值,但属细分方法研究,产业影响有限。
构建500个日本水稻收获多智能体仿真场景,以Double DQN训练共享调度策略并在100个留出场景评测。台风下强化学习作物损失率中位数7.52%,低于最近田块策略8.59%与先进先出的13.25%,配对Wilcoxon检验p=0.011。