一种物流存储系统预防干涉的多自动导引车路径规划方法

摘要

本发明涉及一种物流存储系统预防干涉的多自动导引车(Automatic Guided Vehicle，简称AGV)路径规划方法，通过物流存储系统中多AGV到达、离开各路段、节点的时刻分析，计算路段、节点上AGV行驶重叠次数；本发明结合干涉度阈值，以多AGV运行时间为目标，建立带预防干涉约束的多AGV最短路径规划模型；本发明以蚁群算法为框架，保留信息素因子，去除可见度因子，增加A*因子、诱导因子，设计一种求解物流存储系统防干涉的多AGV路径规划诱导蚁群‑粒子群融合方法。本发明结合码头、仓库、配送中心、集装箱场站以及各类堆场等典型物流存储系统的道路特征，提出多AGV路径规划方法，既能有效规避干涉，又能使AGV尽量按照各自的最短路径达到目的地，从而提高物流存储系统作业效率和安全性。

主权项

一种物流存储系统防干涉的多AGV路径规划方法，其特征在于，该方法包含：S1、通过物流存储系统中多AGV到达、离开各路段、节点的时刻分析，计算路段、节点上AGV行驶重叠次数；S2、结合干涉度阈值，以多AGV运行时间为目标，建立带预防干涉约束的多AGV最短路径规划模型；S3、以蚁群算法为框架；其特征在于：S3包括S3.1将蚁群算法与粒子群优化算法融合，S3.2保留信息素因子，去除可见度因子，S3.3增加A*因子，S3.4增加诱导因子，S3.5重构新的转移概率及状态转移规则，S3.6进行路径决策和节点前等待时间决策，S3.7更新信息素，S3.8运用粒子群优化算法优化节点前等待时间八个具体步骤。S4、设计一种求解物流存储系统预防干涉的多AGV路径规划诱导蚁群‑粒子群融合方法；其特征在于：S4包括S4.1建立适应度函数，S4.2设置各AGV的历史最优蚂蚁，S4.3设置粒子的个体历史最优、全局历史最优，S4.4执行诱导蚁群‑粒子群融合算法流程四个具体步骤。