徐 力，刘云华，王启富

华中科技大学 机械科学与工程学院，武汉 430074

1 引言

随着智能制造技术的应用与推广，在港口及仓储等方面的自动化需求日益旺盛，AGV 机器人技术得到越来越广泛的应用。路径规划是AGV机器人技术的重要组成部分，研究高效可靠的路径规划算法，规划出AGV机器人从起始位置运动到目标位置的最优路径，对保障机器人工作稳定性，提高港口或仓库的运行效率起着至关重要的作用。

路径规划问题约束关系复杂，属于NP 困难问题。国内外针对AGV 机器人路径规划进行了大量的研究，主要的方法有几何法、随机采样方法、智能规划方法。几何法中主要包括可视图法[1]、栅格法[2]、轮廓法[3]、A*算法[4]、D*算法[5]、Dijkstra算法[6]等。随机采样方法主要包括概率路径图法和快速扩展随机树法等。智能规划方法主要包括BP 神经网络[7]、蚁群算法[8]、粒子群算法[9]、遗传算法[10]等。几何法需要对环境进行预处理，对于复杂的环境进行描述和计算较困难，较为适用于解决低维空间低自由度问题。随机采样方法作为增量式算法，是渐进最优的，收敛速度慢[11]。智能规划方法是建立在生物智能或者物理现象基础上的随机搜索算法，遗传算法是智能规划方法主要算法之一，相比于其他搜索算法而言，遗传算法在适应度函数对个体的评价下不断进化，使种群的适应度不断提高，进行有方向性的自适应搜索，适合求解路径规划问题。近年来部分学者基于遗传算法求解路径规划问题的研究取得了可喜的进展，田欣等[12]提出新的遗传参数自适应调整方式以提高自适应遗传算法的寻优效率；……