基于深度强化学习的自动导引车系统路径优化方法

本发明公开了基于深度强化学习的自动导引车系统路径优化方法，用于解决动态环境下多AGV路径规划的适应性差、样本效率低及训练稳定性不足的问题，通过改进的SARD‑PPO算法，结合样本自适应重用与双重裁剪机制，提升样本利用效率与策略更新稳定性；利用LSTM捕捉时间序列依赖关系，增强动态环境适应性；设计包含AGV位置、目标点、障碍物检测及多AGV距离的联合状态信息，并通过STGCN提取空间特征；构建奖励函数综合目标到达、避障、步数等指标，驱动策略优化；采用动作掩码机制约束合法动作选择，确保路径可行性。本发明在仓储系统中能够实现路径长度缩短、避障成功率提升及任务动态变更的高效响应。