一种基于多智能体强化学习的运输车路径优化方法

本发明提出一种基于多智能体强化学习的运输车路径优化方法，该方法涉及智能优化技术领域，  我国AGV每年新增装机量自2010年起迅速增长，自2013年起年同比增速维持在50%以上。目前AGV产品主要集中于中低端市场，产品功能比较单一。而一些大型汽车、家电企业希望通过获得AGV系统和整机产品的相关技术，自己实现AGV产品的定制化生产。在此背景下，从AGV制造商的角度来说，要从国内严重同质化的中低端AGV产品中脱颖而出，从软件系统上提供先进的路径规划方法，并且在未来不断升级，未尝不是一种提升产品服务质量、赢得客户青睐的做法。

随着硬件性能的提高和计算技术的发展，系统仿真得以在越来越短的时间之内完成，以每辆AGV为单位进行微观系统仿真可以更好地反映AGV之间的相互影响。而强化学习方法作为一种利用交互和反馈进行策略优化的机器学习方法，正好可以利用AGV交互的数据为每辆AGV规划路径，使总的生产效率或搬运效率最高,从而降低物料搬运的成本。