基于MADDPG的多AGVs路径规划算法

针对多辆自动导引车系统（automated guided vehicle system,AGVs）在动态不确定环境下完成货物运送并进行路径规划的问题，提出一种基于多智能体深度确定性策略梯度（MADDPG）的多AGVs路径规划算法。本方法通过状态空间、动作空间、奖励函数和网络结构重新设计MADDPG算法的模型结构，通过OpenAI Gym接口搭建二维仿真环境用作多AGVs (agents)的训练平台。实验结果表明，相比于深度确定性策略梯度（DDPG）算法和双延迟深度确定性策略梯度（TD3）算法，基于MADDPG的多AGVs路径规划算法在智能仓储仿真环境下，多AGVs碰到货架的次数分别减少了21.49%、11.63%，碰到障碍物的次数分别减少了14.69%、10.12%，全部AGVs到达货物装卸点的成功率分别高出了17.22%、10.53%，表明学习后的AGV具有更高效的在线决策能力和自适应能力，能够找到较优的路径。