基于深度强化学习的货到人系统多AGV路径规划方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明涉及计算机领域的一种基于深度强化学习的货到人系统多AGV路径规划方法，融合改进A*全局引导与局部强化学习的双层规划架构，全局层采用非均匀惩罚启发式策略，通过Dijkstra算法计算的固定惩罚项和基于历史路径的实时动态惩罚项协同优化路径分散性；局部层设计异步近端策略优化(APPO)算法，结合LSTM网络处理连续5个时间步的多通道观测状态(静态障碍物、AGV位置、全局路径编码)，输出5自由度动作策略。针对仓储可移动货架(Pod)区域设置固定惩罚豁免机制，避免无效避让，提高任务成功率和吞吐量，降低计算负载，为解决货到人系统多AGV路径规划问题提供了一种高效且可扩展的解决方案。

《基于深度强化学习的货到人系统多AGV路径规划方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2025101391941，当前法律状态为已下证，由郑州大学提出申请，发明人为辛健斌;郭沛延;李洪波;彭金柱;张方方;刘艳红，申请日期为2025-02-08，公开（公告）日期为2025-10-10，国际专利分类号（IPC）为 G05D 1/43 (2024.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明涉及计算机领域的一种基于深度强化学习的货到人系统多AGV路径规划方法，融合改进A*全局引导与局部强化学习的双层规划架构，全局层采用非均匀惩罚启发式策略，通过Dijkstra算法计算的固定惩罚项和基于历史路径的实时动态惩罚项协同优化路径分散性；局部层设计异步近端策略优化(APPO)算法，结合LSTM网络处理连续5个时间步的多通道观测状态(静态障碍物、AGV位置、全局路径编码)，输出5自由度动作策略。针对仓储可移动货架(Pod)区域设置固定惩罚豁免机制，避免无效避让，提高任务成功率和吞吐量，降低计算负载，为解决货到人系统多AGV路径规划问题提供了一种高效且可扩展的解决方案。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！