电子组件车间AGV复合作业模式下的改进PPO调度方法、系统、介质及设备

本发明涉及电子组件车间AGV物流调度领域，公开了一种电子组件车间AGV复合作业模式下的改进PPO调度方法、系统、介质及设备，其包括：利用栅格建模对车间环境地图进行栅格化，通过多个任务订单使AGV在栅格地图进行A*搜索算法，获取批量的样本数据，根据样本预训练策略网络的模型参数，完成预训练；根据新的任务订单，AGV与环境进行交互，获取观测状态、动作空间和奖励值，将观测状态进行矩阵化处理后，作为PPO算法的输入数据，计算PPO算法的策略网络和价值网络损失值，并通过梯度下降法更新网络模型参数，完成PPO训练；在线生成实时任务订单，通过前两个阶段训练好的决策网络模型指导AGV完成路径规划和调度任务。本发明能快速学习获得电子组件车间AGV调度策略，学习效率显著提升并兼具稳定性。