基于改进蚁群算法的泊车系统路径规划

针对智能立体车库中自动导引运输车(Automated Guided Vehicle, AGV)存取车路径规划问题，提出一种基于改进蚁群算法(IACO)的泊车系统路径规划方法。首先利用栅格法建立环境模型；其次，通过引入新的距离启发函数因子、调整状态转移概率和更改信息素更新规则对传统蚁群算法(TACO)进行优化改进；最后，在不同规格栅格环境下，以路径长度最短、算法收敛代数最小为评价指标，以传统蚁群算法和改进蚁群算法为搜索策略，运用 Matlab 对 AGV 存取车路径规划过程进行仿真测试，结果显示：AGV 运用传统蚁群算法和改进蚁群算法均能有效避开障碍物，然后搜索到一条从起点到终点的无碰优化路径；与传统蚁群算法相比，改进蚁群算法规划的路径长度最短，开始收敛代数最小，表明改进算法正确、可行及有效，且具有较强的全局搜索能力和较好的收敛性能，能够满足AGV 存取车路径规划要求。