基于改进蚁群算法的ＡＧＶ路径规划问题研究

近年来， 随着工业 ４ ． ０ 的到来与 电子 商务的迅猛发展 ， 物流业已经成为经济发展 中重要的组成部 分。 由于劳动力成本逐渐地增加 ， 企业生产 效率不 断地提升， 而自 动 导 引 车 （ Ａｕｔ ｏｍａｔｅｄ Ｇｕｉｄｅｄ Ｖｅｈｉ ｃｌｅ ， ＡＧＶ） 具有 工作 效率高 ， 安全可靠， 可完成复杂且繁琐 的工 作任务 以及应用范 围 广等优点 ， 因此 ＡＧＶ 成为现代物流 自 动化重要研宄方向 。

本文 以 ＡＧＶ 为研 宄对象 ， 重 点研究 ＡＧＶ 路径规划 问 题 以及多 ＡＧＶ 之间 的动态协调 问 题。 ＡＧＶ 路径规划 问 题是 ＡＧＶ 研究领域中一项关键技术问 题 ， 目 标为每个 ＡＧＶ 都 规划出 从起始地址到 目 标地址 的一条无碰撞最优路径， 多 ＡＧＶ 之间 的动态协调 问 题则 是在 ＡＧＶ 路径规划基础 上， ＡＧＶ 在同一空 间环境中 同时移动 时 ， ＡＧＶ 之 间 能够实 现无碰协 调运作 。 针对 ＡＧＶ 问 题首先采用 改进蚁群算法实现 ＡＧＶ 路径规划 问 题 ， 在此研宄成 果的基础上 ， 给出 了 多 ＡＧＶ 系统路径规划协调 策略。 主要工作包括：

１ ． 首先对 ＡＧＶ 组织 结构 ， ＡＧＶ 定位技术进行了研宄 ， 并建立 了 ＡＧＶ 运动学模型， 针对不 同算法进行 了 比较分析 ， 最终采用 了 蚁群算法作为解决 ＡＧＶ 路径规划 问 题的算法。

２． 研究 了 建立空 间 环境仿 真模型 的方法 ， 结合本文研宄的对象及所适用 空间环境特点 ， 利用 栅格法思想建立 了 空间 环境仿真模型 。 在传统 的蚁群算法的研 宄基础 上 ， 对基本蚁 群算法启 发因子 的计算进行 了 改进 ； 提出 了 优胜劣汰机制 以及全局信 息素调 整改进方案 ， 合理地更新了 路径规划 中 的 信息素 ； 利用最 大最小蚂蚁系 统对路径上信息素进行 了 限制 ； 研宄 了 路径规划 中死锁 问 题的解决方法。 最后 给出 了基于改进蚁群算法的 ＡＧＶ 路径规划步骤并进行 了 仿真验证。

３ ．研究 了 空 间 环境下多 ＡＧＶ 路径规划结构 ， 规 定 了 任务分配优先级 与 ＡＧＶ优先 级 ， 针对多 ＡＧＶ 路径规划 系统给出 了 多 ＡＧＶ 路径规划 目 标评价函数 以 及参数的选取方法； 确 定 了 碰撞判断 条件，且在满足碰撞条件的基础上分析 了 多种 冲突类型 ， 并根据不 同冲突类型特征， 采用 了 不 同 的冲突类型判断方法， 同 时对不 同 冲突类型 设计了 不同 的解决策略 ， 最后 给出 了 多 ＡＧＶ 动态路径规划策略 步骤， 并进行 了 仿 真验证 。