1 简介
对于自动导引车（Automated Guided Vehicle，AGV）的单机路径规划问题，已存在很多静态算法可以有效求解。但由于 AGV间抢占系统资源的相互影响和制约，多 AGV的协同作业会出现死锁、碰撞冲突等问题，静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中，多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径，而在于多AGV的冲突避免或解决，达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进，并引入动态机制和冲突解决策略以满足作业需求；另一种方案提出一种具备多步前瞻性的主动避障算法，优化路径并提前避开交通拥堵路段，减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性，可有效解决冲突，且后者可持续扩展AGV数量，具有更高的系统效率。
对于静态路网路径规划问题，全局信息已知，站位及障碍信息不随时间变化，单AGV进行路径规划时，不存在其他 AGV 干扰，可以较好地获得理论最优路径。而对于多 AGV 的动态路网路径规划问题，地图信息动态变化，多 AGV 间相互影响，很难获得系统全局信息。A*算法是一种静态路网中求解最短路最有效的方法，存在应用价值及意义，但是它却不能有效解决多 AGV的动态路径规划问题，因此有必要对其进行改进。同时本文提出一种具备多步预测功能的主动式寻路算法，将其与 A*算法的改进算法比较，在有效解决冲突的基础上，验证新算法的可靠性和优异性。
2 部分代码
%main函数,robot_number的数目目前支持2~6；
clear all;
close all;
clear variables;
clc;
robot_number=3;
[map,grid1,Nrow,Ncol,sorting_table,Obstacle]=initial_input();
% Obstacle_index=max(round(rand(1,30)*length(Obstacle)),1);
% Obstacle_index=randperm(length(Obstacle),10);
Obstacle_index=[48,24,70,43,34,15,59,12,58,35,46,61, 4,79,30,63,60,31,67,37, 6,20,50,73,72,56,47,14,78,62];
mission_list=[];start_node=[];
for i=1:length(Obstacle_index)
mission_list=[mission_list,Obstacle(Obstacle_index(i))];
end
mission=mission_list(1:robot_number);
%从N个数中不重复的选取一些数
% start_node=Obstacle(randperm(length(Obstacle),robot_number));
start_node=[166,352,5,12,120,220,240,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40];
for k1=1:robot_number
robot_ID(k1)=robot();
robot_ID(k1).location=start_node(k1);
end
[scedule_table,undistributed_mission]=Schedule1(robot_ID,mission,Nrow,Ncol);
%scedule_table结果的第一行为任务的索引，格式大多数情况为1:length(mission), 第二行为该任务分配给的小车。
for i=1:length(scedule_table(1,:))
end_node(scedule_table(2,i))=mission(scedule_table(1,i));
end
for k2=1:robot_number
map3=map;
for map_i = 1:robot_number
if map_i~=k2
[ia,ib]=ind2sub([Nrow,Ncol],start_node(map_i));
map3(Ncol-ib+1,ia)=2;
[ia1,ib1]=ind2sub([Nrow,Ncol],end_node(map_i));
map3(Ncol-ib1+1,ia1)=2;
end
end
[sorting_table_index]= assign_sorting_table(end_node(k2),sorting_table);
allpath_ID(k2)=allpath([Astar_method(start_node(k2),end_node(k2),0,map3),Astar_method(end_node(k2),sorting_table(sorting_table_index,1),1,map3),...
sorting_table(sorting_table_index,2:4),Astar_method(sorting_table(sorting_table_index,5),end_node(k2),1,map3)]);
end
if length(robot_ID)>1
% 所有的两两路径冲突检验
all_conflict=nchoosek(1:length(robot_ID), 2);
k1=1;iters=length(all_conflict(:,1))*2;
while k1<=length(all_conflict(:,1))&iters>0;
if k1==1
[wait_path1,wait_path2,result1]=Enqueue1(allpath_ID(all_conflict(k1,1)).wait_path,...
allpath_ID(all_conflict(k1,2)).wait_path,1,map);
[wait_path4,wait_path3,result2]=Enqueue1(allpath_ID(all_conflict(k1,2)).wait_path,...
allpath_ID(all_conflict(k1,1)).wait_path,1,map);
if (result1==11)&(result2==11)
disp('前两量车无法避让，需要重新规划路径')
else
if (result2==11)|((result1==10)&(length(wait_path1)+length(wait_path2)<=length(wait_path3)+length(wait_path4)))
allpath_ID(all_conflict(k1,1)).wait_path=wait_path1;
allpath_ID(all_conflict(k1,2)).wait_path=wait_path2;
else
allpath_ID(all_conflict(k1,1)).wait_path=wait_path3;
allpath_ID(all_conflict(k1,2)).wait_path=wait_path4;
end
end
k1=k1+1;
else
[wait_path5,wait_path6,result3]=Enqueue1(allpath_ID(all_conflict(k1,1)).wait_path,...
allpath_ID(all_conflict(k1,2)).wait_path,1,map,sorting_table);
if result3==10
allpath_ID(all_conflict(k1,1)).wait_path=wait_path5;
allpath_ID(all_conflict(k1,2)).wait_path=wait_path6;
k1=k1+1;
else
[wait_path6,wait_path5,result3]=Enqueue1(allpath_ID(all_conflict(k1,2)).wait_path,...
allpath_ID(all_conflict(k1,2)).wait_path,1,map);
if result3==10
allpath_ID(all_conflict(k1,1)).wait_path=wait_path5;
allpath_ID(all_conflict(k1,2)).wait_path=wait_path6;
k1=1;
else
if result3==12
allpath_ID(all_conflict(k1,1)).wait_path=wait_path5;
allpath_ID(all_conflict(k1,2)).wait_path=wait_path6;
k1=1;
% disp('某两量车无法避让，需要重新规划路径')
end
end
end
end
iters=iters-1;
if iters==0;
disp('超出最大迭代次数，需要重新规划路径')
end
end
%初始化小车
for k3=1:robot_number
robot_ID(k3)=robot(allpath_ID(k3).wait_path,Nrow,0,0);
robot_ID(k3).location=start_node(k3);robot_ID(k3).loading_state=1;
end
for i=1:length(scedule_table(1,:))
robot_ID(scedule_table(2,i)).next_mission=mission(scedule_table(1,i));
end
else
robot_ID(1)=robot(allpath_ID(1).wait_path,Nrow,0,0);
robot_ID(1).location=start_node(1);robot_ID(1).loading_state=1;
robot_ID(scedule_table(2,1)).next_mission=mission(scedule_table(1,1));
end
% 仿真演示
% diary('log_07.txt')
result=draw_map(map,grid1,robot_ID,Nrow,Ncol,mission_list,sorting_table)
3 仿真结果
4 参考文献
[1]穆涛, and 郭学平. "智能仓储中基于A*算法的多AGV路径规划研究." 福建质量管理.
部分理论引用网络文献，若有侵权联系博主删除。
5 MATLAB代码与数据下载地址
见博客主页
