基于多智能体深度强化学习的整车制造涂装资源调度方法

本发明提供一种基于多智能体深度强化学习的整车制造涂装资源调度方法，所属技术领域为人工智能与智能制造技术领域。其特征在于该方法首先深入分析云环境下整车制造涂装生产特性与动态资源属性，构建了考虑制造能耗与完工时间的三阶段涂装资源调度模型；在此基础上，通过云平台中多智能体的动态交互机制，采用多智能体近端策略优化（MAPPO）算法分三阶段求解整车制造涂装资源调度问题；同时，为增强调度策略的可解释性并确保算法收敛性，采用KAN（Kolmogorov‑Arnold Networks）作为智能体的神经网络结构。本发明广泛应用于整车制造涂装生产企业，所提出的模型与方法能获得满足能耗与完工时间需求的调度方案，并可高效自主地处理资源维护、车身返线等动态事件。