基于多智能体强化学习的AMR协作任务分配方法

张富强; 张焱锐; 丁凯; 常丰田

doi:10.13705/j.issn.1671-6833.2025.03.001

郑州大学学报（工学版） ›› 2025, Vol. 46 ›› Issue (03) : 26 -33. DOI: 10.13705/j.issn.1671-6833.2025.03.001

基于多智能体强化学习的AMR协作任务分配方法

张富强, 张焱锐, 丁凯, 常丰田

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了解决AMR在柔性生产中运输任务的自主分配难题，采用一种基于改进多智能体强化学习算法的多智能体深度确定性策略梯度算法(MADDPG)。首先，引入注意力机制对算法进行改进，采用中心化训练分散式执行的框架，并对AMR的动作及状态进行设置；其次，根据奖励值的大小确定任务节点的覆盖程度以及任务的完成效果；最后，在Pycharm上进行仿真，结果表明：MADDPG算法的平均奖励值较其他算法增幅为3,训练次数减少了300次，在保证求解任务分配完成度的基础上，具有更快的学习速度和更稳定的收敛过程。