多自动导引车路径规划的诱导蚁群粒子群算法-AGV吧

0 引言

在智能仓库、自动化码头等物流存储空间中，常采用多自动导引车（Automatedguidedvehicle，AGVｓ）搬运货物，各AGV之间可能存在拥堵、碰撞等冲突问题，因此多AGV路径规划较单AGV路径规划更为复杂。
多AGV路径规划是当前研究的一个热点和难点。较多文献关注于AGV的路线设计与调整，这是多AGV路径规划的重点。例如，smolic-rock等以矢量形式使用时间窗，通过插入合适的时间窗，以及对时间窗的重叠检验，判断候选路径的可行性，在此基础上提出一种多AGV的动态路径方法；胡彬等针对静态路径规划的不足，在备选路径理想时间窗的基础上为优先级低的任务更新时间窗从而避免车—车冲突、碰撞等问题。
除了路线调整，AGV还可以通过等待（如减速、停止）来避免冲突。乔岩等针对AGV在动态不稳定环境下不能按照时间窗规划好的既定路径运行的问题，通过实时调整相应节点的AGV通过顺序来实现多AGV避碰；shao等采用两阶段交通控制策略规避多AGV系统的冲突与死锁，首先对各AGV的移动路径进行离线计算，然后通过交通控制器在线控制各AGV的运行。然而，这些等待只是为避免冲突采取的临时措施，在初始路径规划中并没有将等待策略考虑在内。
不同的等待措施对AGV的整体运行效率有不同的影响，因此除了路线设计与调整，等待时间也是多AGV行驶过程中的一个关键问题。周炳海等通过空间和时间的冲突侦测来预测碰撞，比较等待和更改路径两种避碰策略的时间开销，选择耗时较小的方案执行，提出基于滚动时域的高空穿梭车避碰调度策略，然而该研究中同一时刻同一节点只允许一辆高空穿梭车运行或驻停，限制了其应用范围，Saidi-Mehrabad等设计了包括车间作业调度和无冲突路径问题的数学模型，并提出一种两阶段蚁群算法，同时考虑了路径选择与节点上的等待情况，然而，该文献假设路网网格是正方形，实际情况更为复杂，需进一步研究。
为此，本文针对多车道、非正方形网格的路网，研究多AGV路径规划问题，并将其看作为包括路径优化和等待时间优化的混合组合优化问题。首先，在各AGV经过各节点、各路段时间计算的基础上分析路段冲突和节点冲突问题，建立了多AGV路径规划模型；然后，设计了一种诱导蚁群粒子群算法，增加了诱导因子，重构了状态转移规则来优化路径，运用粒子群算法迭代规则来优化等待时间；最后，通过多个算例的仿真，表明本文所提模型和方法具有较强的合理性与适用性。