基于A*算法的AGV路徑規(guī)劃研究文獻綜述

摘" 要：隨著科技的不斷進步，自動導引車輛（AGV）在倉庫、港口等物流領(lǐng)域的應用愈加廣泛。文章針對近年來A*算法的AGV研究現(xiàn)狀、算法改進，以及在倉庫或港口環(huán)境下多AGV的研究現(xiàn)狀做出整理與總結(jié)。文章分析了A*算法的排序過程和時間因子的改進，結(jié)合交通規(guī)則和預約表的A*算法以及動態(tài)加權(quán)地圖方法解決AGV車輛工作時路徑?jīng)_突與堵塞問題。接著，闡述了在倉庫、港口環(huán)境下多AGV的研究現(xiàn)狀，通過匹配AGV與貨物托盤、改進遺傳算法、設置權(quán)值減少轉(zhuǎn)彎次數(shù)等方法提高路徑規(guī)劃效率和車輛運行效率。最后，總結(jié)了研究成果和應用價值，并指出了未來研究方向。

關(guān)鍵詞：尋路算法；路徑規(guī)劃；自動引導車

" 中圖分類號：TP23" " 文獻標志碼：A" " DOI：10.13714/j.cnki.1002-3100.2025.03.009

Abstract： With the continuous progress of science and technology， automatic guided vehicles（AGV）in warehouses， ports and other logistics fields are increasingly widely used. This paper reviews the current research status of AGV with A* algorithm， algorithm improvement， and multi-AGVs in warehouse and port environment in recent years to make a collation and summary. The article analyzes the sorting process of A* algorithm and the improvement of time factor， and then summarizes the methods of solving the problems of path conflict and traffic congestion when multi-AGVs work， such as A* algorithm combined with traffic rules and reservation table and dynamic weighted map method. Next， the paper describes the current research status of multi-AGVs in warehouse and port environments， including methods to improve path planning efficiency and vehicle operation efficiency by matching AGVs with cargo pallets， improving genetic algorithms， and setting weights to reduce the number of turns. Finally， the article summaries the research results and application value， and points out the future research direction.

Key words： path-finding algorithm; path planning; automated guided vehicle

1" 針對A*算法的AGV研究現(xiàn)狀

隨著科技的不斷進步，自動導引車輛（AGV）在倉庫、港口等物流領(lǐng)域的應用愈加廣泛?；贏*算法的AGV路徑規(guī)劃與協(xié)調(diào)調(diào)度等成為學術(shù)和應用研究熱點。

" 王玫君[1]通過改變A*算法中的排序過程，即將堆排序與A*算法相結(jié)合，在確保路徑規(guī)劃結(jié)果不變的情況下加快尋路速度約26.5%。

" 孫軍艷等[2]通過在在一般的A*算法中加入時間因子，提出了改進A*算法。相對原始A*算法，改進后算法路徑規(guī)劃總用時減少了10.0%，總路徑長度縮短了7.1%。同時以AGV電池電量為約束避免車輛發(fā)生節(jié)點沖突。

" 董沂卓[3]通過預約表法記錄車輛在地圖上的位置并為各AGV分配相應權(quán)重，避免車輛發(fā)生路徑?jīng)_突。仿真實驗證明A*算法與預約表法相結(jié)合后，車輛尋路效率顯著提升。張丹露等[4]結(jié)合交通規(guī)則和預約表的A*算法并提出動態(tài)加權(quán)地圖方法，解決了多AGV車輛工作時路徑?jīng)_突與交通堵塞問題。經(jīng)驗證，機器人總走行路程相對原A*算法雖有所增加，但走行過程中總用時大幅減少且隨機器人數(shù)量增加用時呈線性增長趨勢，證實了算法具有較強的穩(wěn)定性。

" 賈晨曦[5]通過擁堵系數(shù)影響距離權(quán)重，從而對A*算法進行改進；并用時間窗算法和重新規(guī)劃路徑方法解決多AGV靜態(tài)路徑規(guī)劃問題并動態(tài)監(jiān)督路徑?jīng)_突情況。董浩[6]通過在A*算法中引入權(quán)重系數(shù)并結(jié)合雙向A*算法進行改進。經(jīng)驗證得改進后算法相對傳統(tǒng)A*算法尋路速度縮短近50%，效率大幅提升。

" 李昆鵬等[7]通過分別考慮等待時間、轉(zhuǎn)向代價、重調(diào)度效率懲罰、停靠區(qū)及貨架柵格回避系數(shù)及強化方向因子等改進方法對A*算法進行改進。實驗證實，改進后的A*算法相對原始A*算法平均改善27.69%、算法效率提升130.01%，且隨著算例規(guī)模增大，改善愈發(fā)明顯。

" 王邁新等[8]通過向代價函數(shù)中引入AGV從起點至當前位置路徑長度與時間成本，解決了轉(zhuǎn)彎次數(shù)多的問題；采用使路徑經(jīng)過障礙物頂點的子節(jié)點的方式進行避障；利用45°圓弧和90°圓弧代替折線轉(zhuǎn)彎使路徑更加平滑。實驗證實，改進后的A*算法相對傳統(tǒng)A*算法規(guī)劃路徑距離縮短2.54%，轉(zhuǎn)彎次數(shù)減少60%，滿足實際需求。

" 劉生偉等[9]通過在A*算法中引入切比雪夫距離得到基本路徑，再通過剔除冗余轉(zhuǎn)折點方式得到最終路徑。實驗結(jié)果表明，與傳統(tǒng)A*算法相比，搜索路徑耗費時間、路徑長度、路徑節(jié)點數(shù)分別減少了59.79%、2.57%和99.21%。在實際應用中有著較高的效率。文獻總結(jié)如表1所示。

2" 在倉庫或港口環(huán)境下多AGV研究現(xiàn)狀

" 張艷菊等[10]通過匈牙利算法匹配AGV與貨物托盤，從整體上均衡利用倉庫資源，避免AGV車輛與貨物數(shù)目不匹配的情況，然后將改進的遺傳算法與基于三維網(wǎng)格的AGV沖突檢測算法融合。實驗表明，改進后的算法相較于原始遺傳算法尋路速度提升了40.35%。

" 董建軍等[11]以港口為模擬場景，通過改進A*算法，即在各節(jié)點至目標點循跡方向上設置權(quán)值，明顯減少了路徑規(guī)劃中的轉(zhuǎn)彎次數(shù)，提高車輛運行效率。

" 于海爍[12]以AGV行駛成本、AGV晚于岸橋到達產(chǎn)生的懲罰成本和AGV等待成本為優(yōu)化目標，建立了自動化集裝箱碼頭岸橋與AGV協(xié)同作業(yè)模型，通過魯棒優(yōu)化方法與遺傳算法進行模型求解并以我國某地港口為背景進行模擬驗證，證明此模型可顯著降低AGV車輛充電時間，提高作業(yè)效率，減少岸橋與AGV車輛的等待時間。并且基于本文背景選取了最合理的AGV數(shù)量，將成本值控制在合理水平。

" 許路[13]在智能倉儲環(huán)境下針對RRT*算法遍歷節(jié)點數(shù)較多的問題使用人工勢場法進行改進，即目標點給AGV引力，障礙物對AGV產(chǎn)生斥力，使AGV能快速的朝著目標點行駛。在簡單環(huán)境下改進后算法相對原始RRT*算法在采樣節(jié)點數(shù)量、路徑長度、尋路時間方面分別減少了54%、34%、57%；復雜環(huán)境下則為70%、25%、55%。

" 張峪[14]在智能倉庫背景下采用原始A*算法進行路線規(guī)劃，避障方面未采用A*算法的避障策略，而是通過提前規(guī)劃路線避開障礙規(guī)避碰撞，若有突發(fā)情況造成路線改變的，則通過將路線分成多個小段的方式進行重新規(guī)劃。經(jīng)多次試驗后得出，此種避障方式相較于傳統(tǒng)A*算法避障次數(shù)減少了90%以上，節(jié)省避障時間96.4%。大大提升了AGV車輛的作業(yè)效率。

" 屈新懷等[15]通過引入能耗作為約束條件，與蟻群算法相結(jié)合形成混合算法，經(jīng)模擬驗證，混合算法迭代次數(shù)與路徑長度均優(yōu)于蟻群算法，有效提高自動化分揀倉庫作業(yè)效率并降低AGV車輛能耗。文獻總結(jié)如表2所示。

3" 文獻述評

盡管不同作者所采用的算法改進方法各不相同，但目標均為提高車輛作業(yè)效率。

" 在AGV的尋路效率方面，有研究者通過改變A*算法中的排序過程、加入時間因子，或者結(jié)合預約表法、考慮交通規(guī)則，甚至使用動態(tài)加權(quán)地圖等方法，來達到提高效率的目的。

在倉庫、港口環(huán)境下多AGV的研究中，研究者們通過匹配AGV與貨物托盤，或改進遺傳算法與基于三維網(wǎng)格的AGV沖突檢測算法融合等，提高車輛運行、作業(yè)效率。

" 此外，通過人工勢場法改進RRT* 算法，可以進一步減少采樣節(jié)點數(shù)量、路徑長度和尋路時間。在智能倉庫背景下，采用原始A*算法進行路線規(guī)劃，并通過提前規(guī)劃路線避開障礙規(guī)避碰撞，可以減少避障次數(shù)和節(jié)省避障時間。這些方法在實際應用中都表現(xiàn)出了較高的效率。

總的來說，這些改進的算法和方法在實際應用中具有廣泛的應用前景，可以為智能交通系統(tǒng)、智能倉庫等領(lǐng)域的自動化和智能化提供有力的支持。

參考文獻：

[1] 王玫君. 包裝車間倉儲式多AGV調(diào)度系統(tǒng)設計與實現(xiàn)[D]. 哈爾濱：哈爾濱工業(yè)大學，2022.

[2] 孫軍艷，吳煥欽，王子豪. 基于改進A*算法的多AGV路徑規(guī)劃及避障研究[J]. 西安理工大學學報，2024，40（2）：242-252.

[3] 董沂卓. 基于儲位布局的倉儲AGV路徑優(yōu)化研究[D]. 徐州：中國礦業(yè)大學，2023.

[4] 張丹露，孫小勇，傅順，等. 智能倉庫中的多機器人協(xié)同路徑規(guī)劃方法[J]. 計算機集成制造系統(tǒng)，2018，24（2）：410-418.

[5] 賈晨曦. AGV的路徑規(guī)劃與調(diào)度在智能制造中的研究與應用[D]. 成都：電子科技大學，2022.

[6] 董浩. 多AGV路徑規(guī)劃與任務調(diào)度研究[D]. 杭州：杭州電子科技大學，2023.

[7] 李昆鵬，韓雪芳. 智能倉庫中多AGV在線任務指派與全局路徑規(guī)劃問題研究[J/OL]. 中國管理科學，1-14（2023-06-27）[2024-12-30]. https：//doi.org/10.16381/j.cnki.issn1003-207x.2023.0429.

[8] 王邁新，閆莉，李雨菲. 基于改進A*算法的車間AGV路徑規(guī)劃[J]. 自動化與儀表，2023，38（11）：45-49，59.

[9] 劉生偉，馬鉞，孟樹峰，等. 改進A*算法的AGV路徑規(guī)劃[J]. 計算機應用，2019，39（S2）：41-44.

[10] 張艷菊，吳俊，程錦倩，等. 多搬運任務下考慮碰撞避免的AGV路徑規(guī)劃[J]. 計算機應用研究，2024，41（5）：1462-1469.

[11] 董建軍，許新來，陳昱丞，等. 一種港口AGV運輸交通路徑規(guī)劃仿真方法[J]. 港口裝卸，2023（5）：38-42.

[12] 于海爍. 與岸橋作業(yè)協(xié)同的自動化集裝箱碼頭AGV調(diào)度問題研究[D]. 北京：北京交通大學，2023.

[13] 許路. 智能倉儲環(huán)境下AGV路徑規(guī)劃研究[D]. 北京：北京印刷學院，2023.

[14] 張峪. 基于改進離散型粒子群算法與A*算法結(jié)合的多AGV智能倉庫優(yōu)化問題[D]. 長春：長春工業(yè)大學，2023.

[15] 屈新懷，嚴飛，丁必榮，等. 基于混合算法的自動導引車調(diào)度問題研究[J]. 合肥工業(yè)大學學報（自然科學版），2023，46（6）：732-737.

收稿日期：2024-03-01

基金項目：2023年國家級大學生創(chuàng)新創(chuàng)業(yè)計劃訓練項目“多AGV路徑規(guī)劃與協(xié)同調(diào)度研究”（G202111040527）

作者簡介：宋作玲（1983—），女，山東青島人，山東科技大學交通學院，副教授，研究方向：物流系統(tǒng)規(guī)劃、供應鏈管理。

引文格式：宋作玲，殷祥棟. 基于A*算法的AGV路徑規(guī)劃研究文獻綜述[J]. 物流科技，2025，48（3）：41-43.