在现实世界的一些生产加工企业中，存在一类由生产加工站作为加工主体的生产线，其中，加工站由传送带输送工件进行加工，这样的一类系统称为传送带给料生产加工站(Conveyor-serviced production station，CSPS)。由于专业化、规模化和集约化生产的需要，这些生产线往往配有多个CSPS，称为多站点CSPS系统。若将这些站点视为可以学习的Agent，则构成一个多Agent系统，其优化目标是通过合理选择每个站点的look-ahead控制策略，实现整个系统的工件处理率最大。 在站点串行分布的CSPS系统中，上游站点的决策对下游所有站点的运行都将产生影响，但在没有信息交互的情况下，下游站点的决策对上游站点却不产生影响，因而不利于站点间的协作和负载平衡。因此，文章通过引入反应扩散思想，将站点与其后紧邻的站点进行信息交互，即将后者的状态信息通过代价函数反馈到前者。另外，由于各站点的决策时刻不同步，为异步决策模式，而常用的多Agent算法，如Nash-Q等，一般基于同步决策框架，故难以应用到本系统。由于Wolf-PHC算法的Q值学习不需要求解均衡解，因此论文结合性能势理论，给出了一种适用于平均和折扣两种性能准则的Wolf-PHC多Agent学习算法。该算法既可有效解决多站点CSPS系统的异步决策问题，又可通过站点间的逐级信息反馈，来提高系统的协作能力，改善学习优化性能。 其次，由于多站点CSPS系统本质上是一个离散事件动态系统，其特点是系统的运行由一系列离散的事件驱动。因此，论文将系统的策略定义在事件上，并结合性能势理论，给出了两种性能准则下统一的基于事件驱动的在线Q学习算法。实验结果表明，与基于状态变化的Wolf-PHC学习方法相比，该算法可有效提高系统的工件处理率。