一种面向智能工厂的多无人车的强化学习路径规划方法

本发明提供一种面向智能工厂的多无人车的强化学习路径规划方法，包括：搭建送料路径规划仿真环境；以每个无人车作为一个智能体，将智能体与环境进行交互来提取信息，据此构建马尔可夫决策模型的状态空间、动作空间、奖励函数；搭建IPPO算法网络，基于其和奖励函数对马尔可夫决策模型的策略进行训练；在训练时，通过将裁剪损失通过引入超参数的方式结合KL散度，从而改进得到带有回滚策略的策略网络损失函数；在每个时刻根据无人车的实际当前位置确定当前状态，将当前状态输入所述策略网络，输出当前动作供无人车执行。本发明的方法收敛速度较快，策略更新稳定，探索能力强，可以有效减少路径堵塞，具有很强的环境适应能力。