- Titel
- Learning-Based and Heuristic Coordination of Dispatch and Charging Agents in Automated Transport Systems
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-997887
- Übersetzter Titel (DE)
- Lernbasierte und heuristische Koordination von Dispatch- und Lade- Agenten in automatisierten Transportsystemen
- Konferenz
- 21. ASIM-Fachtagung Simulation in Produktion und Logistik. Dresden, Germany, 24. bis 26. September 2025
- Quellenangabe
- Simulation in Produktion und Logistik 2025
Herausgeber: Sebastian Rank
Herausgeber: Mathias Kühn
Herausgeber: Thorsten Schmidt
Erscheinungsort: Dresden
Verlag: Technische Universität Dresden, Professur für Technische Logistik
Erscheinungsjahr: 2025
ISBN: 978-3-86780-806-4 - Erstveröffentlichung
- 2025
- DOI
- https://doi.org/10.25368/2025.284
- Abstract (EN)
- We propose a reinforcement-learning-based multi-agent framework for intralogistics control, featuring a dispatching agent that learns to assign orders to automated guided vehicles (AGVs) and a charging agent that optimizes battery management. In simulations across 30 benchmark scenarios, our dispatch agent reduced delivery-deadline violations by up to 68.3 % compared to a nearest-vehicle heuristic and by over 68 % relative to random dispatching, regardless of the charging strategy employed. The charging agent further improved AGV utilization and energy efficiency. While these results demonstrate the promise of end-to-end learning for holistic material-flow control, the method’s reliance on large training datasets and its scalability to very large fleets remain areas for future investigation.
- Freie Schlagwörter (DE)
- Simulation, Künstliche Intelligenz, Modellierung, Optimierung, Intralogistiksteuerung, Ladeagent
- Freie Schlagwörter (EN)
- Simulation, Artificial Intelligence, Modelling, Optimisation, intralogistics control, charging agent
- Klassifikation (DDC)
- 620
- Klassifikation (RVK)
- ZM 9500
- Publizierende Institution
- Technische Universität Dresden, Dresden
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-997887
- Veröffentlichungsdatum Qucosa
- 21.10.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY 4.0