孟冠军，陈信华，陶细佩，张 伟

(合肥工业大学机械工程学院，合肥 230009)

0 引言

路径规划是指在具有障碍物的环境中，移动物依照某一特定的性能指标(如空间距离、时间等)搜索一条从起始位置到目标位置的最优或次优路径[1]。自动导引运输车(Automated Guided Vehicle，AGV)路径规划主要包含两个核心问题：地图信息表达和搜索策略[2]。针对AGV路径规划问题，国内外学者进行了长期的深入研究，并相继提出了多种较为有效的方法，常用的地图信息表达方法有栅格法[3]、图论法[4]、可视图法[5]。搜索策略方面主要包括A*算法[6-7]、dijkstra算法[8]、蚁群算法(Ant Colony Optimization, ACO)[9-10]、粒子群算法[11]等较为常用。文献[10]采用一种改进蚁群算法，通过自适应的信息素更新机制，算法的全局搜索能力被提高，但算法的收敛速度却依然较慢。文献[11]提出了一种将粒子群算法与模拟退火算法、遗传算法相结合的方法，在一定程度上提高了算法的寻优能力，但算法操作复杂度也相应增加了。本文首先利用可视图法进行环境建模，而后采用改进蚁群算法进行路径搜索。针对蚁群算法搜索效率低的缺点，利用A*算法寻优速度快及蚁群算法易于与其它算法相结合的特点，采用A*算法与蚁群算法的混合蚁群算法。即先采用A*算法搜索出一条较优路径，以这条次优路径作为蚁群算法迭代搜索的初始路径，避免了蚁群算法在初期搜索的盲目性，大幅度提升蚁群算法的寻优能力。为了避免使用蚁群算法时陷入局部最优而导致算法停滞，本文对节点转移概率公式的启发函数加以改进，引入全局距离参数。……