一种MAPPO强化学习的公交实时调度方法、系统与存储介质

本发明涉及强化学习应用技术领域，本发明公开了一种MAPPO强化学习的公交实时调度方法、系统与存储介质，该方法包括以下步骤：根据公交路网构建多智能体强化学习模型，使每条路线对应一个智能体；获取多智能体状态，并通过MAPPO动作选择组件产生候选动作引入可配置的场景约束管道对所述候选动作进行约束，并生成最终的执行动作；本发明实现了业务场景约束与算法模型的解耦合，提高应用的复用能力，降低模型落地难度。