一種基于多智能體強化學習的運輸車路徑優(yōu)化方法
本發(fā)明提出一種基于多智能體強化學習的運輸車路徑優(yōu)化方法,該方法涉及智能優(yōu)化技術(shù)領域, 我國AGV每年新增裝機量自2010年起迅速增長,自2013年起年同比增速維持在50%以上。目前AGV產(chǎn)品主要集中于中低端市場,產(chǎn)品功能比較單一。而一些大型汽車、家電企業(yè)希望通過獲得AGV系統(tǒng)和整機產(chǎn)品的相關技術(shù),自己實現(xiàn)AGV產(chǎn)品的定制化生產(chǎn)。在此背景下,從AGV制造商的角度來說,要從國內(nèi)嚴重同質(zhì)化的中低端AGV產(chǎn)品中脫穎而出,從軟件系統(tǒng)上提供先進的路徑規(guī)劃方法,并且在未來不斷升級,未嘗不是一種提升產(chǎn)品服務質(zhì)量、贏得客戶青睞的做法。隨著硬件性能的提高和計算技術(shù)的發(fā)展,系統(tǒng)仿真得以在越來越短的時間之內(nèi)完成,以每輛AGV為單位進行微觀系統(tǒng)仿真可以更好地反映AGV之間的相互影響。而強化學習方法作為一種利用交互和反饋進行策略優(yōu)化的機器學習方法,正好可以利用AGV交互的數(shù)據(jù)為每輛AGV規(guī)劃路徑,使總的生產(chǎn)效率或搬運效率最高,從而降低物料搬運的成本。
青島大學
2021-04-13