一种基于深度强化学习的矿山车辆调度方法及装置

本发明涉及一种基于深度强化学习的矿山车辆调度方法及装置，涉及车辆调度技术领域。本发明构建矿山车辆调度环境，并构建异构图，环境包括：矿仓，破碎站，运输车车队以及矿仓和破碎站之间的运输网络；将矿山车辆的调度过程建模为包含选择车辆和目的地分配的马尔可夫决策模型；设计融合图神经网络的分层强化学习方式进行高层智能体和底层智能体训练；高层智能体和底层智能体进行车辆调度求解，流程包括：进行异构图结构的状态感知，训练的高层智能体和底层智能体来根据状态进行分层决策分别选择车辆以及车辆目的地，执行高层智能体和底层智能体选择动作和奖励反馈；然后转移至下一决策步，通过不断迭代，直至完成所有作业任务。