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。
2021-07-01 23:27:09
1.52MB
1