王保剑，胡大裟，蒋玉明

1.四川大学 计算机学院，成都610065

2.四川省大数据分析与融合应用技术工程实验室，成都610065

随着中国制造2025的不断推进，对我国工业制造的智能自动化提出了更高的要求。智能自动化仓库系统作为现代工业制造的基础，因此成为智能系统研究的热点领域之一。其中基于自动导引车（Automated Guided Vehicle，AGV）的智能自动化仓库系统是智能仓库系统的重要分支。在由多台自动导引车组成的自动导引车系统（Automated Guided Vehicle System，AGVS）的运行过程中，需要解决任务调度、路径规划和避碰等一系列问题[1-3]，其中AGVS的路径规划是研究的热点、难点。

目前主要路径规划算法有Dijkstra算法[4]、A*算法[5-6]等，智能路径规划算法有蚁群算法[7]、遗传算法[8]、Q-learning算法[9]等。其中A*算法是启发式搜索算法[10]，其算法本身具有简洁高效，能够快速找到最优解的优点，因此被广泛应用于AGVS路径规划。A*算法有很多局限性，文献[11]提出一种结合跳点搜索算法的改进A*算法，能够有效减少列表中无用节点数量，减少计算量，提高算法效率，解决A*算法在规模较大的AGVS中对多个AGV进行路径规划的应用场景中系统开销大，路径规划速度慢的问题。文献[12]在当前节点的启发函数中加入父节点的启发函数，使启发函数在代价函数中的占比保持在一个合理范围，提高算法的实时性。文献[10]采用新的数据结构将A*算法中的搜索操作并行化，同时实现算法的快速插入操作，提升算法的效率。文献[13]在传统A*算法的启发函数中引入网路负载，能够有效均衡各网络负载，改善出口区域负载过高的情况。……