基于联邦强化学习的多AGV边缘协同调度系统_智慧物流_2026年.docxVIP

PAGE25

目录

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

6.4实现中的重点难点与解决方案

第七章实验与结果分析

7.1实验方法与实验环境

7.2实验方案设计

7.3实验结果与分析

第八章总结与展望

8.1工作总结

8.2存在的问题与改进方向

8.3未来展望

8.4结语

摘要

仓库多AGV调度是智慧物流的核心环节，任务到达随机、通道资源有限、AGV数量增加后集中式决策的状态空间迅速膨胀。传统集中式强化学习把全部AGV观测拼成一个全局状态，20台AGV时状态维数已超过千维，训练时经验回放内存超过12GB，仿真步耗时也随AGV数量呈平方增长。本文针对该痛点，研究基于联邦强化学习的多AGV边缘协同调度