تم اقتراح خوارزمية التنقل الذكي المستقل لعربة التوجيه الآلي (AGV) القائمة على خوارزمية تحسين سياسة التدرج الحتمي العميق (DDPG). أولاً، تم اقتراح استراتيجية استكشاف تكيفية مع مخاطر البيئة، والتي تتضمن التنبؤ بمسارات العقبات الديناميكية؛ ثانياً، تم تصميم دالة مكافأة متعددة الأهداف موزونة لتوجيه AGV للوصول إلى الوجهة بأسرع وقت ممكن مع تجنب العقبات وعدم الخروج عن الحدود؛ ثالثاً، تم استخراج الخبرات بناءً على عامل المخاطر وطازجة الخبرة لتقليل مدة التدريب وتحسين جودته؛ وأخيراً، يُقلل عرض الأفعال أثناء التشغيل من مخاطر التصادم والخروج عن الحدود. للتحقق من أداء الخوارزمية، أُجريت تجارب محاكاة تحت ظروف عدد مختلف من العقبات وأحجامها وسرعتها. أظهرت نتائج التجارب أن خوارزمية التنقل AGV القائمة على تحسين DDPG وصلت إلى معدل نجاح متوسط يبلغ 94.8%، ومعدل تأخير متوسط أقل من 3%، ومعدل تصادم متوسط أقل من 2.3%؛ كما كانت دورة التدريب ووقت التنقل أقل من الخوارزميات المقارنة، مما يظهر ميزة واضحة.

التعلم المعزز العميق;DDPG;AGV;التنقل الذكي