基于改进粒子群蚁群融合算法的多AGV路径规划

熊昕霞， 何利力

(浙江理工大学 信息学院， 杭州 310018)

0 引 言

在当今的制造业中，战略已从制造大量单个产品转移到了一系列产品，并改善了质量和交货时间。许多物流和制造流程都依赖于多AGV系统的使用[1]，系统中的每辆车都执行运输任务，包括在给定的初始位置提取货物并在所需的目的地进行运输和卸载[2]。多AGV系统运行效率直接影响整个制造车间的高效运转。为了改善多AGV系统的运行效率和安全性，要解决的主要问题是正确规划多AGV的路径[3]。多AGV路径最优轨迹是实现基于多AGV智能生产车间的关键。

从初始位置到目标位置通过检测并避开障碍物是自动导引小车在无人仓库中的最重要功能。因此，在简单或复杂的环境中工作时，正确选择导航技术是机器人路径规划中最重要的步骤。多AGV路径规划是当前研究的一个热点和难点[3]。张丹露等提出一种基于预约表和动态加权地图的改进A*算法，应用在多机器人路径规划、避障和拥堵问题上[4]，改进的A*算法提出预约表与交通规则结合的方式解决了多机器人的碰撞问题，根据生成的动态加权地图解决了拥堵问题；袁洋等研究多AGV在运行时单个AGV的路径规划问题，提出了使用负载均衡改进的A*算法进行路径规划的方法，解决多AGV运行路网的局部拥塞、防止和负载均衡问题，将路网负载引入到A*算法的评价函数中，避免多AGV路径规划时产生局部车流量过大[5]；张毅等根据AGVs剩余电量分配优先级，协调AGVs路径，以提高小车的使用效率，再使用改进的蚁群算法计算AGVs的最优路径[3]。……