值分解双延迟深度确定性策略梯度框架，在多机队备件与维护联合优化中稳定超越基准方法，并输出可解释的维护与库存策略。
周一帆 · Ze, Li · Kai, Guo · 顾刘栋 · Hanlin, Wei
Reliability Engineering and System Safety 2026
在多个测试场景中，VDTD3算法求得的维护与库存联合策略在总成本上一致优于基准方法，且优势随系统规模增大而扩大。
与集中式方法相比，VDTD3的训练和推理计算量显著降低，使大规模多机队系统得以及时给出决策。
通过LIME解释分析，证明了学到的维护与库存策略符合实际运维规律，便于运维人员理解和信任。