对AGV路径规划A星算法的改进与验证

doi:10.3778/j.issn.1002-8331.1806-0069

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (21): 217-223.DOI: 10.3778/j.issn.1002-8331.1806-0069

对AGV路径规划A星算法的改进与验证

赵江，张岩，马泽文，叶子超

河北科技大学电气工程学院，石家庄 050018

出版日期:2018-11-01 发布日期:2018-10-30

Improvement and verification of A-star algorithm for AGV path planning

ZHAO Jiang, ZHANG Yan, MA Zewen, YE Zichao

College of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, China

Online:2018-11-01 Published:2018-10-30

摘要/Abstract

摘要： 为了减少AGV（Automate Guide Vehicle，自动导引车）的运输路径长度和转折次数，提出了改进的A星算法，采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点，剔除路径中冗余节点和不必要拐点，获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向，使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点，还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率，降低了AGV的耗能。

关键词: 自动导引车, A星算法, 路径规划, 启发式搜索算

Abstract: To reduce the length of the path and the number of turns of the Automate Guide Vehicle（AGV）, an improved A-star algorithm is proposed. The path planned by the traditional A-star algorithm is further optimized by geometric methods. Firstly, based on the initial path planned by A-star algorithm, traversing all the nodes on the initial path, removing redundant inflection points and redundant nodes and obtainning the path that contains the starting node, the end node, and the key inflection points. Then the rotation direction and rotation angle of AGV at the inflection point are calculated to adjust the posture of the AGV. Comparative experiments on traditional A-star algorithm, ant colony algorithm and improved A-star algorithm are carried out respectively. And the experimental results demonstrate that the method not only has a fast calculation speed but also can provide a short and smooth panth.

Key words: Automate Guide Vehicle（AGV）, A-star algorithm, path planning, heuristic search algorithm

赵江，张岩，马泽文，叶子超. 对AGV路径规划A星算法的改进与验证[J]. 计算机工程与应用, 2018, 54(21): 217-223.

ZHAO Jiang, ZHANG Yan, MA Zewen, YE Zichao. Improvement and verification of A-star algorithm for AGV path planning[J]. Computer Engineering and Applications, 2018, 54(21): 217-223.

[1]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[2]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[5]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[6]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[7]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[8]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[9]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[10]	赵伟，吴子英. 双层优化A*算法与动态窗口法的动态路径规划[J]. 计算机工程与应用, 2021, 57(22): 295-303.
[11]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[12]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[13]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[14]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[15]	马龙，王春嬉，张正义，董睿. 多目标多时间窗车辆路径问题的鸽群-水滴算法[J]. 计算机工程与应用, 2021, 57(2): 237-250.

对AGV路径规划A星算法的改进与验证

Improvement and verification of A-star algorithm for AGV path planning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics