[发明专利]一种基于多智能体强化学习的AGV任务调度方法

权利要求书

1.一种基于多智能体强化学习的AGV任务调度方法，其特征在于，包括以下步骤：

S1.建立与医院相关的地图模型；

S2.根据建立的地图模型，求出地图中各点之间的最短路径；

S3.以所有AGV任务中最短路径之和作为AGV任务调度的优化目标，构建AGV调度数学模型；

S4.基于多智能体强化学习算法求解AGV调度优化模型，得到AGV的最优调度方案。

2.根据权利要求1所述的一种基于多智能体强化学习的AGV任务调度方法，其特征在于，所述步骤S1中的地图模型为一个带权值的无向图，无向图的顶点为医院的各个科室、路径交叉点与电梯，无向图的边为路径，边上的权值表示两个顶点之间路径的距离，医院不同楼层的地图用电梯之间的边连接。

3.根据权利要求1所述的一种基于多智能体强化学习的AGV任务调度方法，其特征在于，所述步骤S2中采用Dijkstra算法计算地图中各点之间的最短路径，包括：

S21.对于一个带权值的无向图GV,E，V表示无向图中的顶点集合，E表示无向图中的边集合；选取图中一个起始顶点Vi加入集合U＝{Vi}，用dist[i][j]表示从Vi到Vj的最短距离，其中Vi、Vj分别表示无向图中的第i个和第j个顶点；

S22.从集合V中选取使dist[i][j]值最小的顶点Vj，并将Vj加入集合U中；

S23.更新Vi的相邻顶点Vk和步骤S22中最新加入集合U中的顶点Vj之间的dist值，更新公式为：

dist[k][j]＝min{dist[k][j],dist[i][j]+E[i][k]}

其中，E[i][k]表示顶点Vi、Vk之间的边的权值；

S24.将最新加入集合U中的顶点Vj视为起始顶点，重复步骤S22与S23，直到图中所有顶点都在集合U中；

S25.重复步骤S21至S24，直到步骤S21选取的起始顶点Vi遍历V中的所有顶点。

4.根据权利要求1所述的一种基于多智能体强化学习的AGV任务调度方法，其特征在于，所述步骤S3中建立的AGV调度数学模型包括目标函数和约束条件，具体为：

S31.根据步骤S2得到的各点之间的最短路径计算各任务的起始点和目标点之间的路径距离，以所有任务的最短路径距离作为AGV任务调度的优化目标，建立目标函数：

其中，K表示AGV车辆总数，N表示任务总数，X_ijk表示第k辆AGV是否在完成任务i之后去完成任务j，d_si,ei为任务i的起始点si与目标点ei之间的最短距离，d_ei,sj为任务i的目标点ei与任务j的起始点sj之间的距离，定义任务0表示从空车存储点开始或者回到空车存储点；

S32.约束条件1：规定每个任务只能由一台AGV执行一次，K表示AGV数量；

S33.约束条件2：规定每辆AGV执行任务必须从空车存储点开始，X_0jk＝1表示第k辆AGV从空车存储点开始出发至任务j的起始点；

S34.约束条件3：规定每辆AGV执行任务后必须回到空车存储点，X_i0k＝1表示第k辆AGV从任务i的目标点回到空车存储点；

S35.约束条件4：规定每辆AGV在完成上一个任务后进入下一个任务；

S36.约束条件5：车辆总数固定，每辆AGV状态良好，电量充足，且最大负载量均大于任务需求运载量。

5.根据权利要求1所述的一种基于多智能体强化学习的AGV任务调度方法，其特征在于，步骤S4所述基于多智能体强化学习算法求解AGV调度优化模型，具体包括：

S41.将由一系列输入任务组成的问题实例s输入编码器生成任务嵌入；

S42.将编码器输出的任务嵌入、掩码与一个含有每辆车执行历史信息的语义连接向量输入解码器，每个时间步输出一个选择的任务分配给固定顺序的车辆；

S43.对编码器和解码器使用带贪心基准值的策略梯度下降法进行训练；

S44.将待处理的任务输入训练完成的编码器和解码器，输出AGV调度方案。