基于多智能体强化学习的AGVS任务分配方法

AGVS task allocation method based on multi-agent reinforcement learning

为提升复杂场景下多AGV系统任务分配效率,适配动态多变的现代物流搬运场景,提出一种基于多智能体深度强化学习的任务分配方法。首先,根据问题约束条件和优化目标按照强化学习范式对问题进行建模,利用栅格地图建立了算法训练环境,并规定了智能体动作和环境可观测状态,其次应用IDQN算法训练生成指导AGVS任务分配的动作价值函数,最后,在不同问题规模下通过实验证明了IDQN方法相较于传统算法解决同一问题的效率优势,并展示了模型在不同尺度地图中的泛化能力。