權(quán)利要求 1.礦車調(diào)度模型訓(xùn)練方法，應(yīng)用于礦車調(diào)度模型訓(xùn)練裝置中，其特征在于，所述礦車調(diào)度模型訓(xùn)練裝置包括調(diào)度智能體和交互環(huán)境，所述交互環(huán)境包括仿真系統(tǒng)和人工系統(tǒng)，所述方法包括： S1：獲取所述仿真系統(tǒng)中的礦區(qū)生產(chǎn)信息和所述人工系統(tǒng)中的時(shí)間節(jié)點(diǎn)信息，并根據(jù)所述礦區(qū)生產(chǎn)信息和所述時(shí)間節(jié)點(diǎn)信息，生成調(diào)度狀態(tài)信息； S2：通過(guò)預(yù)設(shè)的強(qiáng)化學(xué)習(xí)算法，根據(jù)所述調(diào)度狀態(tài)信息，在預(yù)設(shè)的調(diào)度指令集合中選取出目標(biāo)調(diào)度指令，并將所述目標(biāo)調(diào)度指令發(fā)送至所述仿真系統(tǒng)，以使所述仿真系統(tǒng)根據(jù)所述目標(biāo)調(diào)度指令更新所述礦區(qū)生產(chǎn)信息； S3：通過(guò)預(yù)設(shè)的混合獎(jiǎng)勵(lì)函數(shù)，基于所述更新后的礦區(qū)生產(chǎn)信息和所述時(shí)間節(jié)點(diǎn)信息，生成所述目標(biāo)調(diào)度指令的動(dòng)作獎(jiǎng)勵(lì)，應(yīng)用所述動(dòng)作獎(jiǎng)勵(lì)在所述調(diào)度指令集合中選取優(yōu)化后的目標(biāo)調(diào)度指令，重復(fù)執(zhí)行步驟S1至步驟S3，不斷選取優(yōu)化后的目標(biāo)調(diào)度指令，并將所述優(yōu)化后的目標(biāo)調(diào)度指令發(fā)送至所述仿真系統(tǒng)，以使所述仿真系統(tǒng)根據(jù)所述優(yōu)化后的目標(biāo)調(diào)度指令更新所述礦區(qū)生產(chǎn)信息； S4：統(tǒng)計(jì)預(yù)設(shè)時(shí)間段內(nèi)的所述仿真系統(tǒng)中的礦區(qū)產(chǎn)量信息，計(jì)算智能體性能指標(biāo)，并在所述智能體性能指標(biāo)達(dá)到預(yù)設(shè)條件時(shí)，結(jié)束礦車調(diào)度模型的訓(xùn)練。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取所述仿真系統(tǒng)中的礦區(qū)生產(chǎn)信息和所述人工系統(tǒng)中的時(shí)間節(jié)點(diǎn)信息之前，所述方法還包括： 在所述仿真系統(tǒng)中模擬生成所述礦區(qū)生產(chǎn)信息，其中，所述礦區(qū)生產(chǎn)信息包括仿真路網(wǎng)信息、至少一個(gè)仿真裝載設(shè)備、每個(gè)所述仿真裝載設(shè)備的設(shè)備信息和設(shè)備狀態(tài)、至少一個(gè)仿真卸載設(shè)備、每個(gè)所述仿真卸載設(shè)備的設(shè)備信息和設(shè)備狀態(tài)、至少一個(gè)仿真礦車、每個(gè)所述仿真礦車的車輛信息和車輛狀態(tài)、以及每個(gè)所述仿真裝載設(shè)備和每個(gè)所述仿真卸載設(shè)備之間的行駛時(shí)間中的至少一種信息； 在所述仿真系統(tǒng)中的仿真礦車發(fā)送車輛調(diào)度請(qǐng)求時(shí)，根據(jù)所述礦區(qū)生產(chǎn)信息，在所述人工系統(tǒng)中生成針對(duì)所述仿真礦車的時(shí)間節(jié)點(diǎn)信息，其中，所述時(shí)間節(jié)點(diǎn)信息包括所述調(diào)度指令集合中的每個(gè)所述調(diào)度指令對(duì)應(yīng)的行駛時(shí)間、每個(gè)所述調(diào)度指令對(duì)應(yīng)的預(yù)期等待時(shí)間、所述仿真系統(tǒng)中每個(gè)仿真裝載設(shè)備的剩余服務(wù)時(shí)間，以及仿真系統(tǒng)中每個(gè)仿真卸載設(shè)備的剩余服務(wù)時(shí)間中的至少一種信息。 3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述獲取所述仿真系統(tǒng)中的礦區(qū)生產(chǎn)信息和所述人工系統(tǒng)中的時(shí)間節(jié)點(diǎn)信息