强化学习下浅充浅放充电策略AGV调度研究

来源：计算机应用研究杂志2024年第10期北京时间：

作者：赵锐,梁承姬,

单位：上海海事大学物流科学与工程研究院,上海201306；

摘要：针对自动化集装箱码头自动导引车（AGV）调度中的充电问题，考虑浅充浅放充电策略构建了混合整数优化模型。该模型以最小化AGV最终完工时间为目标，在考虑AGV电池电量变化以及AGV不同状态耗电差异的约束下，利用AGV空闲时间和一个作业循环结束时间补电，减少AGV充电次数，进而减少总完成时间。模型采用Wolf-PHC强化学习进行求解，并分别与GAMS求解器、Q-learning算法及遗传算法（genetic algorithm，GA）求解结果进行比较，以验证模型的有效性和算法的优越性。算例分析表明在浅充浅放充电策略下AGV利用效率较高，且Wolf-PHC与GA的结合对模型求解效果更佳。

关键词：自动化集装箱码头,自动导引车,浅充浅放充电策略,强化学习,遗传算法,

基金资助：国家自然科学基金资助项目(72271125)；上海市青年科技英才扬帆计划资助项目(21YF1416400)；上海市青年科技启明星计划资助项目(21QB1404800)；；