针对车间配送任务下的多车协作性不足、过于依赖集中控制的问题，将多智能体强化学习算法MADDPG应用于车间配送场景，以车辆为智能体对象，基于部分可观察的环境特性，结合材料配送信息、车辆运载能力及周边车辆信息，对多车协作配送任务进行优化。
多车协作算法是基于Python3.6环境下的tensorflow2、Keras等依赖库开发。算法输入为智能体数量与场景大小，输出为有协作性的智能体调度动作。该算法支持在同构智能体设计下的多车配送场景的训练与测试，目前正在进行异构智能体设计的场景拓展。在代码的实现过程中，参考了MADDPG、CCRL等第三方开源代码。
算法名称
| 基于多智能体强化学习的多车协作配送算法 （Multi-AGV cooperative delivery algorithm based on MADDPG）
|
算法接口
| python multiagent.py --agents_number --grid_size
|
输入
| 智能体数量，场景大小
|
输出
| 各个智能体的决策动作
|
依赖库
| Python3.6+，tensorflow2.0，Keras2.3.1，pygame
|
参考资源
| MADDPG、CCRL
|
gitlab链接：MADDPG · GitLab (crowdhmt.com)
