10.19557/j.cnki.1001-9944.2020.02.018
基于多智能体强化学习的多AGV路径规划方法
AGV(automated guided vehicle)路径规划问题已成为货物运输、快速分拣等领域中一项关键技术问题.由于在此类场景中需要较多的AGV合作完成,传统的规划模型难以协调多AGV之间的相互作用,采用分而治之的思想或许能获得系统的最优性能.基于此,该文提出一种最大回报频率的多智能体独立强化学习MRF(maximum reward frequency)Q-learning算法,对任务调度和路径规划同时进行优化.在学习阶段AGV不需要知道其他AGV的动作,减轻了联合动作引起的维数灾问题.采用Boltzmann与ε-greedy结合策略,避免收敛到较差路径,另外算法提出采用获得全局最大累积回报的频率作用于Q值更新公式,最大化多AGV的全局累积回报.仿真实验表明,该算法能够收敛到最优解,以最短的时间步长完成路径规划任务.
多智能体强化学习、AGV路径规划、独立强化学习
35
TP18(自动化基础理论)
山东省自然科学基金项目ZR2017PF005;青岛市博士后应用研究项目
2020-04-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
84-89