订单驱动下基于强化学习的智能车间AGV调度

物料搬运效率对智能车间的生产调度效率有着重要影响.物料搬运任务通常由自动导引车（Automated Guided Vehicle,AGV）执行，其具有数量多、任务需求实时变化、任务下达密集等特点.为及时、高效、准确地处理AGV搬运作业，提出基于强化学习的订单驱动下智能车间AGV调度模型，使用二级调度机制，第一级以负载均衡为目标，基于规则的调度方法对AGV进行任务分配；第二级运用强化学习深度Q网络（Deep Q-Network,DQN）算法对AGV进行单智能体下的搬运路径规划，通过减少智能体动作空间维数的方式，降低调度算法的收敛难度，并通过仿真实例验证该方法的有效性和创新性.