基于强化学习的多机器人仓储调度方法研究

• 作者: 张仕臻 王嘉前 钱同惠 陈明智
• 来源期刊: 现代电子技术
• 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
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 人工智能
• 页码范围: 165-168
• 页数: 4页
• 分类号: TN830.1-34|TP18|TP242
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.14.038

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱同惠	江汉大学物理与信息工程学院	21	67	5.0	6.0
2	张仕臻	江汉大学物理与信息工程学院	7	15	3.0	3.0
3	陈明智	江汉大学物理与信息工程学院	5	8	2.0	2.0
4	王嘉前	江汉大学物理与信息工程学院	3	5	1.0	2.0