智能倉庫中基于兩層架構的群機器人路徑規劃*

薛頌東 張 宇 趙 靜 潘理虎

（1.太原科技大學 太原 030024）

（2.廣東機電職業技術學院 廣州 510515）

1 引言

在由群機器人執行揀貨任務的智能倉庫中，路徑規劃關系揀貨任務執行效率。其控制方法分為集中式和分布式，集中式控制通過中央控制系統處理機器人之間的協調，發現全局最優路徑，但隨著群機器人系統規模擴大將導致計算復雜度增加，擴展性不好，僅適合小規模倉庫情形。分布式控制則基于機器人的實時信息進行路徑規劃，能較好適應機器人數量增長和環境變化。不過，在有限感知和局部交互機制下，機器人的最優路徑非全局。常用的分布式路徑規劃算法，主要有D*算法、A*算法、蟻群算法等［1］。其中，D*算法屬于動態路徑規劃算法，A*算法和蟻群算法屬于啟發式算法。Wang C和Wang L［2］針對自動導引車AGV 的路徑規劃提出了一種改進A*算法，用其去除邊緣，解決K 最短路徑問題；提出的另一種基于A*算法的沖突路徑規劃方法，能有效搜索最短路徑并避免碰撞。高小杰［3］為Kiva系統設計了機器人動態避障規則，提出了帶優先級列表的改進A*算法。針對遺傳算法局部搜索能力較差問題，孫波等［4］提出了一種改進的自適應遺傳算法。劉昂等［5］融合改進蟻群算法和鴿群算法，以改善蟻群算法收斂速度慢的問題。Digani 等［6］提出分層地圖的思想，第一層為拓撲結構地圖，機器人用D*算法進行動態路徑規劃，第二層采用A*算法進行運動控制，一定程度上實現動態路徑規劃并避免交通堵塞，但系統運行效率不高。……