用于循环经济分类的状态增强图
人工智能
2026-01-30 v2
摘要
循环经济（CE）分类是对产品进行评估，以确定它们一旦到达有用性末端即可遵循的可持续路径（当前正在使用的路径）。有效的CE分类需要在保留价值与加工和劳动成本及约束之间进行自适应决策。本文提出了一种基于状态增强的拆解序列规划（DSP）图上进行的简单确定性求解器的决策框架。通过将拆解历史编码到状态中，我们的框架强制执行马尔可夫属性，使其能够通过确保每个决策仅依赖于前一状态来实现最优、递归的评估。分类决策涉及在继续拆解或提交给CE选项之间进行选择。该模型集成了基于诊断健康评分的条件感知效用以及复杂的运营约束。我们以电动汽车（EV）电池的分层分类为示例，展示了该框架的灵活性，其中决策由组件的递归估值驱动。该示例说明，统一的形式化方法使能够容纳不同的机械复杂性、安全要求和经济驱动因素。因此，这种统一的形式化方法为跨越 diverse products and operational contexts 的CE分类决策提供了可处理且可推广的基础。
引用
@article{arxiv.2512.15824,
title = {State-Augmented Graphs for Circular Economy Triage},
author = {Richard Fox and Rui Li and Gustav Jonsson and Farzaneh Goli and Miying Yang and Emel Aktas and Yongjing Wang},
journal= {arXiv preprint arXiv:2512.15824},
year = {2026}
}