基于强化学习的机房巡检路径动态优化方法及系统

本发明涉及机房巡检技术领域，尤其涉及基于强化学习的机房巡检路径动态优化方法及系统，通过构建包含机柜单元、机柜列和机房区域的三层隶属结构层次化拓扑图并绑定设备状态与异常记录，定义融合覆盖完整性奖励、重复度惩罚和风险加权奖励的目标函数，将巡检代理与动态交互环境对接后利用策略梯度法迭代优化策略网络，实际巡检时将实时数据注入拓扑图并由巡检代理逐步输出节点访问序列作为动态路径，实现了机房巡检路径的实时动态优化，提高了巡检效率与准确性。