一种基于改进PPO算法的多AGV调度系统及其方法

本发明提供一种基于改进PPO算法的多AGV调度系统及其方法，该方法包括创建多AGV调度仿真环境，创建并初始化调度策略网络，创建价值函数网络，使用调度策略网络与AGV调度仿真环境进行交互，即策略网络根据当前环境状态生成调度决策，AGV调度仿真环境根据该调度决策执行相应的物理模拟，并在AGV调度仿真环境中执行调度任务，记录调度样本数据到样本数据池中；当样本数据池填满后，使用样本池中的调度样本数据，对策略网络和价值函数网络进行更新，调整网络参数；将训练好的调度策略网络包装为AGV的实时在线调度系统，对多个AGV进行实时、高效任务调度。本发明可以实现不同场景中AGV调度策略网络的训练，训练速度快且调度策略网络高效、灵活。