一种面向多AGV系统立体停车场的基于深度强化学习的任务分配系统及方法

本发明公开了一种面向多AGV系统立体停车场的基于深度强化学习的任务分配系统及方法，包括：采用动态多重注意力机制对停车场内状态进行加权处理并进行统一编码，获取空间布局和车辆流动特征。构建使用Dueling DQN神经网络的任务分配模型，并且将全局平均停车任务执行时间、全局平均取车任务执行时间和AGV负载情况融入奖励函数，进行训练。根据训练步数向任务训练中的分配模型提供动态自适应的多噪音，得以提升任务分配模型的抗干扰能力。本发明可适应不同规模停车场更具适应性，能够合理分配不同任务与AGV调度策略，减少立体停车场的平均停取车时间，优化AGV负载，极大提高了多AGV系统立体停车场的调度效率。