基于强化学习的多机器人仓储调度方法研究

摘要：

调度系统作为智能仓储的核心之一,高协同度的调度系统将会极大地提升智能仓储系统中智能机器人的工作效率.文中针对智能仓储系统中物流机器人调度问题进行研究,对构建的栅格化仓库模型进行分析建模,基于多层编码遗传算法提出综合时间代价、路径代价和协同度代价的多智能体任务分配算法,并利用Q-Learning算法实现各智能体优化路径.为优化算法运算性能,基于栅格化仓库模型特点将曼哈顿路径对路径成本的估值运算代入遗传适应度评价函数,Mat-lab仿真结果与同期比较在运算性能上得到20％以上的提升,更能适应解决复杂的大规模智能仓储调度问题.

关键词：智能仓储系统、调度系统、任务分配、路径规划、仓库模型、强化学习

所属期刊栏目：42

分类号：TN830.1-34;TP18;TP242(无线电设备、电信设备)

资助基金：湖北省高等学校优秀中青年科技创新团队计划项目:智能交通和物流的优化与决策T201828

在线出版日期：2019-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：165-168