一种基于MongoDB双池循环优化样本的多智能体路径规划方法

一种基于MongoDB双池循环优化样本的多智能体路径规划方法，包括以下步骤：（1）构建多智能体路径规划环境与运动模型；（2）基于MongoDB双池循环优化样本的MADDPG算法设计；（3）MADDPG‑MDDLO算法的具体实现；（4）MADDPG‑MDDLO框架的组件设置；（5）搭建模拟实验环境，验证MADDPG‑MDDLO算法在不同场景下的有效性和优越性。本发明通过设计基于双池循环优化样本的MADDPG（MADDPG‑MDDLO）算法，将智能体训练划分为学习、探索和拓印三个阶段，循环优化样本池以提升样本质量和利用效率。本发明精心设置MADDPG‑MDDLO框架的各组件，包括创新的状态空间定义、改进的动作选择方法以及综合多方面因素的奖励框架。本发明方法能有效解决多智能体路径规划难题。