一种基于强化学习的分布式智能仓储无人车路径规划方法技术

本发明专利技术公开了一种基于强化学习的分布式智能仓储无人车路径规划方法，涉及无人车路径规划技术领域。该方法包括：步骤一：设计并训练智能仓储无人车的路径规划模型；步骤二：通过无人车探测环境信息并将其输入到训练好的路径规划模型中；步骤三：运行路径规划模型获取实时路径规划方案；步骤一包括：S1，使用python程序生成用于训练的栅格地图；S2，基于栅格地图将智能仓储无人车的路径规划问题建模成马尔可夫决策过程并建立路径规划模型。本发明专利技术在分布式规划算法的范畴中，同时加入无人车之间通信机制，从而提高仓储环境下多无人车系统对各种地图尺寸、障碍物密度的泛化能力，并提高规划合理路径的效率，更好地契合实际场景中的应用。

【技术实现步骤摘要】

本专利技术属于分布式智能仓储无人车路径规划，尤其涉及一种基于强化学习的分布式智能仓储无人车路径规划方法。

技术介绍

1、智能仓库多无人车路径规划是一组无人车的路径规划问题，其中每个无人车都需要从给定的起始位置移动到给定的目标位置，同时避免与其他无人车以及障碍物发生碰撞。

2、智能仓库多无人车路径规划主要有集中式规划算法和分布式规划算法，其中集中式规划算法具有高计算复杂性、高通信开销和不可扩展性等问题；而分布式规划算法具有高通信开销、决策一致性、路径冲突、局部信息和不可扩展性等问题。

3、基于上述算法存在的问题，在仓储多无人车路径规划系统中，当仓储地图的尺寸逐渐增大且仓储中障碍物(货架)的密度也相应增加时，现有基于强化学习的多无人车路径规划算法只能维持少数无人车进行合理规划，无人车数目增加时，路径规划的成功率会大大降低，相应的路径长度也会大大增加，这表明现有的基于强化学习的路径规划算法的泛化能力较差。

技术实现思路

1、本专利技术的目的在于提供一种基于强化学习的分布式智能仓储无人车路径规本文档来自技高网...

【技术保护点】

1.一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：在步骤S1中，所述栅格地图包括障碍物、无人车起始点以及与所述无人车起始点相对应的无人车目标点；其中，所述无人车起始点的位置与所述无人车目标点的位置形成连通图。

3.根据权利要求2所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：将训练时的所述栅格地图设置为边长为10/15/20/25且单位为时间步的正方形；所述障碍物的密度为所述栅格地图中障碍物栅格数量与整体栅格数量之比。...

【技术特征摘要】

1.一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：在步骤s1中，所述栅格地图包括障碍物、无人车起始点以及与所述无人车起始点相对应的无人车目标点；其中，所述无人车起始点的位置与所述无人车目标点的位置形成连通图。

3.根据权利要求2所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：将训练时的所述栅格地图设置为边长为10/15/20/25且单位为时间步的正方形；所述障碍物的密度为所述栅格地图中障碍物栅格数量与整体栅格数量之比。

4.根据权利要求1所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：在步骤s2中，所述栅格地图中的无人车具有部分可观察性；所述无人车根据雷达传感器探测环境信息，并获取局部观察信息其中，所述局部观察信息表示为：无人车i在t时刻观察到的环境信息。

5.根据权利要求4所述的一种基于强化学习的分布式智能仓储无人车路径规划方法，其特征在于：所述局部观察信息包括：无人车位置...

【专利技术属性】
技术研发人员：李守林，郭伟亚，赵择谏，黄斌，
申请(专利权)人：青岛农业大学，
类型：发明
国别省市：