基于改进A-Star算法的AGV全局路径规划

发布时间：2021-04-10 15:53

　　针对智能仓储物流AGV全局路径规划,提出了改进的A-Star算法。该算法在原有估价函数的基础上,引入惩罚函数和奖励因子,以解决传统A-Star算法拐点多的问题,进而提升AGV的全局运输效率。为评估改进算法的有效性,文章基于Visual Studio设计了Windows应用开发程序进行仿真实验。实验结果表明,改进的A-Star算法可显著降低AGV的转弯次数,有效提高AGV的运输效率。 

【文章来源】：机电一体化. 2019,25(06)

【文章页数】：7 页

【部分图文】：

节点示意图

估价函数的计算

为验证改进后的A-Star算法的效果，仿真程序基于Visual Studio使用C#语言编写。在Visual Studio中编写Windows窗体应用程序，设计A-Star算法图形化验证界面，如图7所示。窗体中有5个按钮，可初始化构建栅格地图(20×20)，在地图中自主添加障碍物，指定起点和终点，并根据改进的A-Star算法在起点和终点之间进行路径规划。使用A-Star算法仿真界面构建栅格地图，随机设置地图中的障碍物、目标点和终止点，分别进行以下三组实验。三组实验中障碍物的数量依次增多，障碍物布局越来越复杂。传统A-Star算法和改进A-Star算法的路径规划结果如图8至图13所示，实验结果如表1所示。

【参考文献】：
期刊论文
[1]复杂动态环境下自主机器人路径规划研究[J]. 王志中.  组合机床与自动化加工技术. 2018(01)

硕士论文
[1]基于RRT的全局路径规划方法及其应用研究[D]. 王全.国防科学技术大学 2014



本文编号：3129919