| Title | 一种多智能体路径规划方法及终端 |
| Author | |
| First Inventor | 宋轩
|
| Original applicant | 南方科技大学
|
| First applicant | 南方科技大学
|
| Address of First applicant | 518000 广东省深圳市南山区桃源街道学苑大道1088号
|
| Current applicant | 南方科技大学
|
| Address of Current applicant | 518000 广东省深圳市南山区桃源街道学苑大道1088号 (广东,深圳,南山区)
|
| First Current Applicant | 南方科技大学
|
| Address of First Current Applicant | 518000 广东省深圳市南山区桃源街道学苑大道1088号 (广东,深圳,南山区)
|
| Application Number | CN202310452118.7
|
| Application Date | 2023-04-25
|
| Open (Notice) Number | CN116187611B
|
| Date Available | 2023-07-25
|
| Publication Years | 2023-07-25
|
| Status of Patent | 授权
|
| Legal Date | 2023-07-25
|
| Subtype | 授权发明
|
| SUSTech Authorship | First
|
| Abstract | 本发明公开一种多智能体路径规划方法及终端，建立智能体与订单的图神经网络，并建立智能体自身的深度强化学习神经网络；根据所述图神经网络和所述深度强化学习神经网络得到深度强化学习网络；对所述深度强化学习网络进行训练，得到权值更新后的深度强化学习网络；使用所述权值更新后的深度强化学习网络对所述智能体进行订单任务分配以及路径规划，能够使各个智能体之间的数据相互通信，并自动进行任务分配和路径规划，单个智能体出现宕机后，不影响整个仓储管理系统的运行，即使订单变化或智能体数量变动也能够及时重新分配任务和路径规划，从而提高了路径规划的实时性，并确保仓储管理的高效运行。 |
| Other Abstract | 本发明公开一种多智能体路径规划方法及终端，建立智能体与订单的图神经网络，并建立智能体自身的深度强化学习神经网络；根据所述图神经网络和所述深度强化学习神经网络得到深度强化学习网络；对所述深度强化学习网络进行训练，得到权值更新后的深度强化学习网络；使用所述权值更新后的深度强化学习网络对所述智能体进行订单任务分配以及路径规划，能够使各个智能体之间的数据相互通信，并自动进行任务分配和路径规划，单个智能体出现宕机后，不影响整个仓储管理系统的运行，即使订单变化或智能体数量变动也能够及时重新分配任务和路径规划，从而提高了路径规划的实时性，并确保仓储管理的高效运行。 |
| CPC Classification Number | Y02T10/40
|
| IPC Classification Number | G06Q10/047
; G06Q10/0835
; G06N3/045
; G06N3/092
|
| INPADOC Legal Status | （+PATENT GRANT）[2023-07-25][CN]
|
| INPADOC Patent Family Count | 1
|
| Extended Patent Family Count | 1
|
| Priority date | 2023-04-25
|
| Patent Agent | 林栋
|
| Agency | 深圳市博锐专利事务所
|
| URL | [Source Record] |
| Data Source | PatSnap
|
| Document Type | Patent |
| Identifier | http://kc.sustech.edu.cn/handle/2SGJ60CL/562421 |
| Department | Department of Computer Science and Engineering 工学院_斯发基斯可信自主研究院 |
| Recommended Citation GB/T 7714 |
宋轩,宋歌,张浩然,等. 一种多智能体路径规划方法及终端[P]. 2023-07-25.
|
| Files in This Item: | There are no files associated with this item. | |||||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment