基于冲突搜索增强深度强化学习的多AGV路径规划方法

作     者：王亦晨 刘雪梅 Wang Yichen;Liu Xuemei

作者机构：同济大学机械与能源工程学院上海201804 

基　　金：西门子(中国)有限公司合作项目(kz0100020210591) 

出 版 物：《机电工程技术》 (Mechanical & Electrical Engineering Technology)

年 卷 期：2024年第53卷第8期

页      码：23-27,88页

摘      要：针对多自动引导车(Automated Guided Vehicle,AGV)路径规划问题,以最小化总行程时间为目标,提出一种基于冲突搜索(Conflict-Based Search,CBS)算法增强的分布式独立Q学习(Independent Q-Learning,IQL)算法。首先,采用栅格图法构建环境地图,并对多AGV路径规划问题进行数学化描述,涵盖了AGV间的碰撞类型和问题的基本假设。随后,将问题转化为部分可观察马尔可夫决策过程(Partially Observable Markov Decision Process,POMDP),并详细定义了观测空间、动作空间及奖励函数。进一步地,采用异步优先级经验回放架构,将IQL方法扩展到分布式环境中,并通过CBS算法引导Q网络,优化AGV在拥挤环境中的决策过程。最后,根据不同AGV数量设计了与其他深度强化学习算法的对比实验,结果表明所提方法在成功率和平均步长关键性能指标上优于对照算法,从而证实了所提方法的有效性和可行性。

主 题 词：基于冲突搜索 深度强化学习 多AGV 路径规划 

学科分类：080202[080202] 08[工学] 0804[工学-材料学] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1009-9492.2024.00089

馆 藏 号：203138942...