本發(fā)明公開了一種聯(lián)邦學習的動態(tài)分區(qū)混合博弈建模的優(yōu)化方法，包括獲取設備工序并基于混合博弈進行動態(tài)分區(qū)建模；根據(jù)動態(tài)分析模型基于無悔學習進行能力建模；根據(jù)能力模型基于安全防御進行能力演化建模；根據(jù)能力演化模型基于非凸問題轉(zhuǎn)凸問題構(gòu)建系統(tǒng)最優(yōu)調(diào)度模型；根據(jù)系統(tǒng)最優(yōu)調(diào)度模型獲取全局優(yōu)化調(diào)度性能指標并進行領(lǐng)域知識修正；根據(jù)歷史數(shù)據(jù)挖掘全局優(yōu)化調(diào)度性能指標進行區(qū)域優(yōu)化動態(tài)調(diào)度；基于風險評估理論獲取全局調(diào)度性能影響；根據(jù)全局調(diào)度性能影響以及綜合性能指標評估體系和多因素隸屬度函數(shù)生成重構(gòu)判據(jù)；根據(jù)重構(gòu)判據(jù)基于深度遷移強化學習進行動態(tài)分區(qū)重構(gòu)；本發(fā)明能夠為智能無人工廠的可靠動態(tài)調(diào)度提供了決策工具。