[1] 张雪媛.二项分布及其应用的历史研究[D].天津财经大学，2015. [2] 崔岩，崔迪.计数序贯抽样检验方法在元器件验收中的应用[J].长春光学精密机械学院学报，1996，(04):68-72. [3] 于超.基于统计过程控制和序贯概率比检验的高速铁路轨道结构监测数据异常诊断[D].北京交通大学，2021. [4] 宋烊，崔梦天.动态规划在企业生产与储存管理中的应用[J].科技广场，2006，(6):114-116. [5] 沈建新，周儒荣，廖文和.动态规划模型在生产库存优化中的应用研究[J].机械设计与制造工程，2002，31(6):112-113. [6] 张峰，刘凌云，郭欣欣.基于改进Q-学习算法的多阶段群体决策模型[J].控制与决策，2019，34(09):1917-1922. [7]Lowe， R.， Wu， Y.， Tamar， A.， Harb， J.， Abbeel， P.， & Mordatch， I. Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments. Advances in Neural Information Processing Systems， 2017， 30: 6379-6390. [8] 刘波.一种基于强化学习的机械车间任务调度节能优化支持系统研究[D].重庆大学，2013. [9] 星海.面向复杂批次过程的强化学习控制方案[D].厦门大学，2021 [10]Wald，A. (1945) Sequential Tests of Statistical Hypotheses. The Annals of Mathematical Statistics，16，117-186.