随着现代化工业生产的发展,智能配送的规模越来越大。智能配送是一个复杂的过程,传统非基于云平台的智能配送系统无法灵活满足生产规模不断扩张的要求,如何设计适应这种大规模配送任务需求的解决方案变得尤为需要。传统非云平台的配送系统在配送规模较小时具有很好的表现,但随着配送规模越来越大,系统扩展性差、算法策略能力不足、效率较低等问题随之突出。本文针对大规模配送场景,设计一种基于云平台的智能配送系统并基于第三方云计算资源实现系统原型,同时选取配送任务中的关键问题——配送单元的路径规划,在云环境系统原型下进行仿真实验,验证了本文设计实现的基于云平台和深度强化学习的智能配送系统在大规模配送场景下的工程可行性和算法有效性。具体地,本文按以下三个逻辑层次进行研究分析:第一,首先对传统智能配送技术进行研究,包括智能配送单元和智能配送系统的关键问题和技术点,并深入探讨其本身存在的不足和原因;其次,研究云计算和强化学习的技术核心,重点讨论其在本文的智能配送系统应用相关技术点。第二,基于先进的云计算架构平台,面向大规模配送系统需求,在传统配送系统技术基础之上,设计一种基于云平台的多配送单元的智能配送系统解决方案。此方案创新点在于先进的架构设计,此方案在满足智能配送需求的同时,还可以作为整个智能工厂的一部分云模块,无缝对接其他云业务,从而打通传统架构中存在的数据壁垒情况。第三,随着配送系统规模的扩大,配送单元的路径规划任务会变得非常困难,传统的基于确定性规划类算法、启发式智能搜索算法的计算复杂度会极具增加。本文摒弃此类传统算法方案,而是基于云平台的强大计算能力,结合深度学习和强化学习各自优势,引入深度强化算法对智能配送路径规划任务进行建模。最终的仿真实验证明,深度强化学习算法模型在大规模智能配送任务上具有很好的效果表现。