随着全球数据量持续快速增长,动态决策支持系统在应对复杂环境下的实时决策问题中扮演着越来越重要的角色。然而,高维度、异构性数据的激增,以及动态环境中的不确定性,为现有技术带来了严峻考验。在此背景下,本文提出了一种融合强化学习与大数据分析的优化算法,该方法有效缓解了传统强化学习在高维数据场景中的性能限制,同时增强了决策过程的透明度和可解释性。这一改进为金融、医疗、交通等领域的智能化发展提供了重要支持,展现出广阔的应用前景。

融合强化学习；大数据分析；动态决策

[1]姜北. 基于大数据分析的ERP系统优化与决策支持研究[J]. 自动化应用, 2024, 65 (07): 54-56. [2]王雪文, 陈艳艳, 王海君. 江苏省工业用地动态调查和智能分析技术研究[J]. 江苏科技信息, 2023, 40 (27): 77-80. [3]马骋, 宋焘. 智能精准开采大数据分析决策系统关键技术[J]. 陕西煤炭, 2021, 40 (05): 57-61+84. [4]赵志宏. 数字化时代商业银行零售客户动态分层——以“i世代”群体为例（下）[J]. 当代金融家, 2020, (10): 70-72. [5]徐选华, 马志鹏, 陈晓红. 基于公众偏好大数据分析的大群体应急决策质量动态演化研究[J]. 中国管理科学, 2022, 30 (07): 140-149.

DOI： https://doi.org/10.62639/sspsstr22.20250202

Published： 2025