基于改进Q-learning算法的AGV路径规划

摘要

为了解决智能仓储系统中自动导引车(Automated Guided Vehicle,AGV)的全局路径规划问题,提出了一种基于改进Q-learning算法的AGV全局路径优化算法.针对运用传统Q-learning算法只适用于离散状态模型或者较为简单的连续状态模型的情况,将人工神经网络引入Q-learning算法.通过仿真实验进行对比,仿真结果表明,新算法可以使AGV通过自主学习自行寻找出一条无碰撞最优路径,证明了改进后的Q-learning算法的可行性.