随着汽车起重机的不断发展，锡林浩特汽车吊吊装它在工程中的应用越来越多。由于起重机在起重过程中需要人工控制和决定，因此不可避免地会出现操作错误或方案规划不合理。针对上述问题，提出了多任务路径规划算法和起重规划算法，以协助起重人员进行起重操作。

目前，汽车起重机在起重过程中主要是手动操作，但在许多其他领域，已经开始使用深度强化学习来实现无人操作。汽车起重机作为一个大国，起重机也在向智能化方向发展。将其应用到汽车起重机的起重规划中，对于加快起重机的智能化步伐具有重要意义。在汽车起重机的路径规划中，传统的路径规划方法将更有效；对于起重机的动作序列规划，基于强化学习的方法更适合起重机的起重动作序列规划。例如，强化学习中的深度确定性策略梯度算法（Deepdermisticpolicpolicpolicpolicpolicpolicpolicpolicthm、DDPG）的输出是连续动作，起重机提取目标的过程也是一系列连续动作的集合，因此具有理论可行性：

（1）分析了汽车起重机多任务路径规划算法的必要性和可行性。在设计多任务路径规划算法时，需要规划多任务之间的全面顺序和路径，选择优化目标点的全面顺序，主要分析蚂蚁群算法、遗传算法和粒子群算法，以佳性能的遗传算法作为优化算法。锡林浩特汽车吊吊装通过将JPS算法与单任务路径规划算法中的遗传算法相结合，实现了汽车起重机的多任务路径规划；

（2）研究了汽车起重机吊装时的动作序列，并设计了基于改进DDPG算法的汽车起重机动作序列规划算法。首先，设计了起重机的吊装环境，建立了起重机的状态和动作模型，并设计了动作序列的奖励函数。然后根据汽车起重机的吊装环境，设计和优化了DDPG算法中的网络框架、超参数和激活函数。根据DDPG算法在离线培训中生成样本的特点，改进了DDPG算法中的采样函数，使改进后的DDPG算法具有更好的收敛效果。改进后的DDPG算法与汽车起重机的空载吊装环境和负载吊装环境相结合，完成了汽车起重机动作序列规划算法的设计；

将多任务路径规划算法与动作序列规划算法相结合，锡林浩特汽车吊吊装实现了汽车起重机的多任务起重规划。并以风机场和化工厂作为虚拟环境进行了验证，结果表明了规划汽车起重机多任务起重方案时两种算法的可行性。