任学干,葛英飞

(南京工程学院机械工程学院, 江苏 南京 211167)

随着制造行业自动化生产水平的不断提高,越来越多的自动引导车(automated guided vehicle, AGV)投入到生产车间.AGV的使用在提高企业生产效率的同时节省了劳动成本.路径规划是解决AGV如何在复杂生产车间寻找一条从起点到目标点的较优运动路径的方法,使AGV在运动过程中能安全避开所有的障碍物,且行驶距离最短[1].

近年来,国内外的专家学者对AGV路径规划问题进行了广泛的研究,发展了多种路径规划方法.传统的路径规划方法主要有栅格法[2]、人工势场法[3]、滚动窗口法[4]等,但是随着研究的深入,传统路径规划方法因自身缺陷无法更好、更快地解决路径规划问题,因此提出更多的智能路径规划方法,如神经网络算法[5]、遗传算法[6]、粒子群算法[7]、蚁群算法[8]等.神经网络算法虽然有很好的学习能力和鲁棒性,但是泛化能力较差,对样本质量要求过高；遗传算法通过适应度函数进行有方向的自适应搜索,但存在收敛速度慢、易陷入局部最优的问题；粒子群算法适用于全局路径规划,但是易出现粒子早熟现象；蚁群算法由于具有搜索启发性、多个体并行计算、鲁棒性等特点,受到广泛的研究.

蚁群算法是受蚂蚁觅食行为启发,由Marco Dorigo提出的一种启发式的全局优化算法.该算法本质上是一个复杂的智能系统,具有较强的鲁棒性、优良的分布式计算、易与其他算法结合等优点[9].传统蚁群算法在寻优过程中过度依……