买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南理工大学申请的专利基于深度强化学习DQN的多AGV路径规划避障方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116339333B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310307325.3，技术领域涉及：G05D1/43；该发明授权基于深度强化学习DQN的多AGV路径规划避障方法是由黄岩松;姚锡凡设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本基于深度强化学习DQN的多AGV路径规划避障方法在说明书摘要公布了：本发明一种基于深度强化学习DQN的多AGV路径规划避障方法，其包括以下步骤：根据激光雷达点云数据构建周围环境地图，并将其转换为栅格地图；根据栅格地图信息构建AGV的观察矩阵和状态向量，观察矩阵记录AGV周围是否存在其他AGV且这些AGV的运行方向；构建针对单AGV的多起点多终点路径规划模型；将构建的模型应用在环境中所有AGV上，计算出每个AGV在不考虑其他AGV的情况下的预动作，依据AGV观测范围内其他AGV的预动作得到观测矩阵，利用观测矩阵对模型结果进行修正。相较于其他启发式算法或利用深度强化学习的方法构建多AGV路径规划的方法相比，本发明能够保证AGV在躲避碰撞的同时保持最优的动作选择。

本发明授权基于深度强化学习DQN的多AGV路径规划避障方法在权利要求书中公布了：1.一种基于深度强化学习DQN的多AGV路径规划避障方法，其特征在于，包括以下步骤： 步骤1、根据激光雷达点云数据构建周围环境地图，并将地图转换为栅格地图；栅格地图的信息包括各AGV的位置、障碍物的尺寸； 步骤2、根据栅格地图信息构建AGV的观察矩阵和状态向量，观察矩阵记录AGV周围是否存在其他AGV且其他AGV的运行方向；状态向量包括包含以下三个部分：终点位置、AGV当前位置与终点的关系、周围环境信息； 步骤3、基于深度强化学习算法和AGV的状态向量构建针对单AGV的多起点多终点路径规划模型；所述深度强化学习算法为DQN算法，DQN算法结合神经网络算法和Q-learning强化学习算法，在Q-learning中，利用表格记录和更新Q值，Q值的计算通过以下式子 Qπs,a＝Eπ[Gt|St＝s,At＝a] 式中Qπs,a表示根据策略Eπ，在时刻t时状态空间St中的一个状态s下采取动作空间At中的一个动作a的价值函数，回报Gt表示为之后每一步k的奖励Rt+k+1的折扣和，γ表示折扣因子，奖励Rt+k+1是环境根据智能体的动作给予的反馈，是该步策略好坏的短期评判标准； 式中Gt表示在时刻t的回报函数，是在状态s下执行动作a后对后续影响的度量，G定义为后续奖励函数的总和，DQN算法利用Q值网络对Q值进行拟合，将Q值参数化，通过更新网络参数来更新Q值： Qs,a,θ≈Q*s,a 式中θ表示Q值网络的网络参数，Q*s,a表示在最优策略的指导下获得的Q值函数，Qs,a,θ表示参数化的Q值网络计算得到的Q值； 针对单AGV的多起点多终点路径规划模型，设定AGV在栅格地图中的运行方式，包括：AGV能向周围八个方向运行，同时能选择停留动作保持位置不变，即AGV的动作空间为{不动，上，左上，左，左下，下，右下，右，右上}，用数字表示为{0，1，2，3，4，5，6，7，8}；使用∈贪心策略选择动作： 式中∈∈[0,1]表示策略的随机性量，即动作从随机动作和贪婪动作之间选择的概率；c表示随机生成的大于0小于1的小数，当生成的c大于随机性量时，选择贪婪动作，反之则选择随机动作;表示贪婪动作，即依据DQN训练出的Q值网络Qs，a，θ根据状态s选择当前的最优动作a，其中θ表示Q值网络的网络参数； 步骤4、将步骤3构建的模型应用在环境中所有AGV上，计算出每个AGV在不考虑其他AGV的情况下的预动作，依据AGV观测范围内其他AGV的预动作得到观测矩阵，利用观测矩阵对模型结果进行修正，以避免AGV之间的碰撞。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。