一种面向复杂动态环境的智能安全单AGV与多AGV高效调度策略

本发明公开了一种面向复杂动态环境的智能安全单AGV与多AGV高效调度策略，基于3D卷积神经网络结合自适应探索DQN算法实现单AGV的动态路径规划与避障；基于课程学习机制和QMIX算法对多AGV在复杂环境下进行协同路径规划，并基于分布式强化学习算法和组相对策略优化，加速协作学习效率和稳定性；同时，引入DeepSeek大模型，基于DeepSeek的智能调度系统实现实时匹配货源和返程空车，并基于DeepSeek‑Vision的图像识别技术实现从“人找到货”到“AI驱动货找到人”的仓储自动化革命。本发明能够显著改进AGV在复杂动态环境中的避障能力和调度效率，适用于智能仓储和自动化制造领域。