文献类型：期刊文章

作　　者：刘辉[1] 肖克[1] 王京擘[1]

LIU Hui;XIAO Ke;WANG Jing-bo(Department of Automation,Qingdao University,Qingdao 266071,China)

机构地区：[1]青岛大学自动化系

出　　处：《自动化与仪表》

基　　金：山东省自然科学基金项目(ZR2017PF005);青岛市博士后应用研究项目

年　　份：2020

卷　　号：35

期　　号：2

起止页码：84-89

语　　种：中文

收录情况：CSA、CSA-PROQEUST、INSPEC、JST、ZGKJHX、普通刊

摘　　要：AGV(automated guided vehicle)路径规划问题已成为货物运输、快递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。

关 键 词：多智能体强化学习 AGV路径规划  独立强化学习  

分 类 号：TP18]