一种基于蚁群优化与神经网络的三维仓库路径规划方法

本发明公开了一种基于蚁群优化与神经网络的三维仓库路径规划方法，包括：构建多维张量货物建模模块，将货物坐标、尺寸、重量、特殊属性等映射为多维特征张量，刻画3D仓库货物空间分布与操作约束；通过GNN提取节点与边的时空特征，结合自适应注意力机制实现静态空间结构与动态拥堵信息的跨尺度融合；引入CARL，基于实时交通流与路径容量动态调整路径成本，引导蚁群算法优先选择低拥堵、高效率路径；利用MLP构建启发式解码模块，将神经网络输出的特征嵌入转化为动态启发式信息，实现路径选择策略的自适应优化。本发明显著提升AGV在复杂3D仓库中的路径规划效率，降低计算时间与拥堵概率，支持实时动态环境下的高效物流调度。