动态优化加工过程中物流调度及路径规划的强化学习方法

摘要

本发明公开了一种动态优化加工过程中物流调度及路径规划的强化学习方法，属于智能制造领域。该方法包括：构建某时刻物流调度的总状态矩阵作为神经网络的输入，根据一次加工过程中所有作业单元等待物料的总时长及AGV小车的冲突次数总数构建奖惩值，并据此建立神经网络的损失函数，对神经网络进行训练，以使最终一次加工过程中得到的奖惩值最大化，获得强化学习决策模型；然后针对新的加工任务，实时建立当前时刻的总状态矩阵，并输入强化学习决策模型，获得当前时刻AGV小车应执行的动作。本发明能够实现AGV小车在加工过程中的自主最优路径规划，解决现有技术不能在加工过程中实时动态进行物流调度方案自动调整的技术问题。