仓储作业中多搬运机器人动态路径优化
考虑冲突避免的多AGV_路径规划研究
包装工程第44卷第23期·181·PACKAGING ENGINEERING2023年12月考虑冲突避免的多AGV路径规划研究杨玮，杨思瑶，张子涵（陕西科技大学机电工程学院，西安710021）摘要：目的提高物流企业“货到人”拣选系统在实际生产中的工作效率，避免自动导引小车（AGV）间的冲突死锁，研究大规模多AGV的无冲突路径规划和协同避障问题。
方法首先考虑AGV空载、负载情况和路径扩展成本，改进A*算法，动态调整代价函数，优化路径扩展方式。
其次，提出冲突检测及避免算法，对可能产生局部冲突的路径交叉点进行避障调度，通过预约锁格，实现局部冲突的检测，制定优先级避障策略，解决AGV动态行驶路径上产生的局部冲突和死锁，进而实现全局无冲突路径规划。
结果对多组不同任务量和不同AGV规模的场景进行仿真，实验结果表明，考虑冲突避免的改进A*算法能有效实现100个任务、90个货架单位和7个拣选站场景下的多AGV动态路径规划，相较于传统A*算法，其平均拣选时长缩短了52.61%。
结论该方法可实现大规模场景下的多AGV动态路径规划，在付出较小转弯代价的同时有效避免局部动态冲突，该方法可为相关企业实现多AGV协同调度提供新的思路和理论依据。
关键词：“货到人”拣选系统；自动导引小车；改进A*算法；冲突检测及避免算法；动态路径规划中图分类号：TP24 文献标识码：A 文章编号：1001-3563(2023)23-0181-10DOI：10.19554/ki.1001-3563.2023.23.022Multi-AGV Path Planning Considering Conflict AvoidanceYANG Wei, YANG Si-yao, ZHANG Zi-han(School of Mechanical and Electrical Engineering,Shaanxi University of Science and Technology, Xi'an 710021, China)ABSTRACT: The work aims to improve the efficiency of the "goods to people" picking system in logistics enterprises during actual production, avoid conflict deadlock between automatic guided vehicles (AGVs), and study the conflict free path planning and collaborative obstacle avoidance problem of large-scale multi AGVs. Firstly, A*algorithm was improved considering the empty load, load situation, and path expansion cost of AGV, the cost function was adjusted dynamically and the path expansion method was optimized. Then, a conflict detection and avoidance algorithm was proposed, which scheduled path intersections that might generate local conflicts. Local conflict detection was achieved through reserved lock grids, and priority obstacle avoidance strategies were developed to solve local conflicts and deadlocks generated on AGV dynamic driving paths, to achieve global conflict free path planning. Multiple scenarios with different task volumes and AGV scales were simulated. The experimental results showed that the improved A* algorithm considering conflict avoidance could effectively achieve dynamic path planning for multiple AGVs in scenarios with 100 tasks, 90 shelf units, and 7 picking stations. Compared to the traditional A*algorithm, the average picking time was optimized by 52.61%. This method can achieve dynamic path planning for multiple AGVs in large-scale scenarios, effectively avoiding local dynamic conflicts while paying less turning costs. This method can provide new ideas and收稿日期：2023-02-24基金项目：陕西省西安市未央区科技计划（202203）·182·包装工程2023年12月theoretical basis for relevant enterprises to achieve collaborative scheduling of multiple AGVs.KEY WORDS: "goods to people" picking systems; automated guided vehicles; improved A* algorithm; conflict detection and obstacle avoidance algorithm; dynamic path planning随着电商行业的快速发展和人工智能技术的不断成熟，采用机器人代替人工作业已成为制造业及物流业发展的大趋势，越来越多的企业开始在生产车间应用移动机器人系统协助生产[1]。
叉车作业中的物料搬运路径优化与最短路径算法
叉车作业中的物料搬运路径优化与最短路径算法在现代物流业中，叉车的作业效率直接影响着物料的搬运速度和成本控制。
为了提高物料搬运的效率，优化搬运路径成为了一个重要的问题。
本文将介绍叉车作业中的物料搬运路径优化以及常用的最短路径算法。
一、物料搬运路径的重要性在仓储物流中，物料的搬运路径直接关系到作业效率和成本控制。
合理的路径规划能够减少叉车行驶距离、节省时间和能源消耗。
同时，路径规划还能够避免搬运冲突，降低事故发生的概率，提高工作安全性。
二、传统的路径规划方法在叉车作业中，传统的路径规划方法主要有人工经验规划和静态路径规划两种。
1. 人工经验规划人工经验规划是根据作业人员的经验和直觉进行路径规划。
该方法适用于简单的作业环境和小规模的物料搬运，但在复杂的作业场景下效果有限。
人工规划通常无法充分考虑各种因素，容易产生低效和冲突。
2. 静态路径规划静态路径规划是根据事先建立的地图和路径规则进行规划。
该方法通常使用图论中的最短路径算法，如Dijkstra算法、A*算法等。
静态路径规划可以解决一些简单的路径规划问题，但对于动态变化的作业环境和实时的搬运需求则有限。
三、最短路径算法在叉车作业中，最短路径算法被广泛应用于物料搬运路径的规划。
最短路径算法通过计算叉车在指定作业区域内的最短路径，实现物料的高效搬运。
以下是几种常用的最短路径算法：1. Dijkstra算法Dijkstra算法是一种用于解决带权有向图的最短路径问题的算法。
在叉车作业中，可以将作业区域建立为一个有向图，各个物料搬运点作为图中的节点，路径长度作为边的权重。
通过Dijkstra算法计算叉车从起点到终点的最短路径，从而实现物料的快速搬运。
2. A*算法A*算法是一种启发式搜索算法，在最短路径规划中具有较高的效率。
该算法通过估计叉车到目标节点的代价函数，以选择最优的路径。
A*算法综合考虑了路径长度和启发函数的值，对于复杂的作业环境和大规模的物料搬运有着较好的适应性。
机器人在仓储中如何提高作业效率
机器人在仓储中如何提高作业效率在当今的仓储行业中，机器人的应用正逐渐成为提高作业效率的关键因素。
随着技术的不断发展，机器人已经不再是科幻电影中的想象，而是实实在在地走进了仓储领域，为企业带来了巨大的改变。
机器人能够提高仓储作业效率，首先体现在其高效的货物搬运能力上。
传统的人工搬运方式不仅劳动强度大，而且效率低下，容易出现疲劳和失误。
而机器人可以不知疲倦地工作，并且能够精准地完成货物的搬运任务。
它们能够根据预设的程序和路径，快速、准确地将货物从一个地点搬运到另一个地点，大大缩短了搬运时间。
以常见的 AGV（自动导引车）为例，这些小巧灵活的机器人可以在仓库中自由穿梭，按照指定的路线将货物运送到指定的位置。
它们能够避开障碍物，适应不同的地形和环境，确保货物安全、准时地到达目的地。
相比之下，人工搬运可能会因为路线选择不当、搬运手法不熟练等原因导致时间浪费和货物损坏。
机器人还能够通过精准的库存管理来提高仓储效率。
在传统的仓储模式中，库存管理往往依赖人工盘点和记录，容易出现误差和遗漏。
而机器人可以配备先进的传感器和扫描设备，对货物进行实时的监测和记录。
它们能够准确地识别货物的种类、数量、位置等信息，并将这些数据及时上传到仓储管理系统中。
通过这种方式，管理人员可以随时掌握库存的动态变化，及时发现库存不足或过剩的情况，从而做出合理的采购和销售决策。
这不仅有助于减少库存积压和缺货现象的发生，还能够优化库存结构，降低仓储成本。
另外，机器人在分拣作业中的表现也十分出色。
在面对大量的货物和复杂的分拣任务时，人工分拣往往容易出错，而且效率难以提升。
而机器人可以通过图像识别、机器学习等技术，快速准确地识别货物的特征和分类信息，然后将其分拣到相应的区域。
一些先进的分拣机器人甚至能够同时处理多个货物，并且能够根据订单的优先级和紧急程度进行智能排序，确保重要的订单能够优先处理。
这种高效、准确的分拣方式大大提高了仓储的出货速度，满足了客户对快速交付的需求。
《自动化仓储调度系统中多AGV路径规划的研究与实现》
《自动化仓储调度系统中多AGV路径规划的研究与实现》一、引言随着现代物流行业的飞速发展，自动化仓储系统逐渐成为提升物流效率、降低人工成本的重要手段。
其中，多AGV（自动导引车）路径规划技术作为自动化仓储系统的核心组成部分，对于提高仓储作业效率、优化资源配置具有重要意义。
本文旨在研究并实现自动化仓储调度系统中多AGV路径规划技术，为物流行业的智能化发展提供理论支持和实践指导。
二、研究背景及意义随着电子商务的蓬勃发展，仓储物流面临着巨大的挑战。
传统的仓储管理模式已无法满足现代物流的高效、准确、低成本需求。
因此，自动化仓储系统应运而生，其中多AGV路径规划技术是提高自动化仓储系统运行效率的关键。
通过对多AGV路径规划技术的研究与实现，可以有效地提高仓储作业的自动化水平，降低人工成本，提高物流效率，从而推动物流行业的智能化发展。
三、相关技术研究综述（一）AGV技术AGV（自动导引车）是一种通过传感器、控制系统等实现自主导航和作业的车辆。
其核心技术包括导航技术、控制系统、传感器技术等。
（二）路径规划技术路径规划技术是自动化仓储系统的关键技术之一，主要涉及图论、优化算法、人工智能等领域。
目前，常见的路径规划算法包括遗传算法、蚁群算法、神经网络等。
四、多AGV路径规划技术研究（一）问题描述多AGV路径规划问题是指在自动化仓储系统中，如何合理安排多台AGV的行驶路径，以实现高效、准确的货物运输。
该问题需要考虑AGV的数量、货物的分布、路网的复杂度等因素。
（二）算法设计针对多AGV路径规划问题，本文采用遗传算法进行求解。
遗传算法是一种模拟自然进化过程的优化算法，具有较好的全局搜索能力和鲁棒性。
在算法设计中，将AGV的行驶路径转化为染色体，通过遗传操作实现路径的优化。
（三）算法实现在算法实现过程中，首先需要构建仓储系统的路网模型，然后根据货物的分布和AGV的数量生成初始路径。
接着，采用遗传算法对路径进行优化，得到最优的行驶路径。
仓库动线优化的原则
仓库动线优化的原则1.引言1.1 概述仓库动线优化的原则是通过合理规划和优化仓库内部的物品流动路径，以提高仓储效率和工作效率。
随着物流行业的不断发展和仓库运营的日益复杂化，仓库动线优化变得越发重要。
仓库动线优化的概念可以追溯到科学管理理论的初期。
它强调通过分析和优化仓库内部运作过程，使物品的流动路径更加合理和高效。
通过优化仓库内部的动线，可以减少物品的搬运距离和时间，降低仓储成本，提高仓库工作效率。
在进行仓库动线优化时，需要考虑多个因素。
首先，需要分析仓库内部物品的种类和属性，根据其特点进行分类和分区，以便更好地管理和存放。
其次，需要考虑仓库内部的工作流程和操作流程，合理规划不同工作区域的位置和布局，使操作流程更加流畅和高效。
另外，还需要考虑仓库内部的设施和设备布局。
在进行动线规划时，需要充分利用仓库的空间，合理布置货架、堆垛机和输送设备等，以便减少物品的搬运和运输过程中的时间和劳动力成本。
最后，仓库动线优化还需要考虑仓库的安全性和环境因素。
在规划仓库动线时，需要确保通道和出入口的畅通，以便灵活调度物流车辆和人员。
同时，还需要考虑仓库的防火、防盗和环境整洁等方面，以保障仓库的安全和正常运营。
综上所述，仓库动线优化是一个综合性的工作，需要考虑多个因素并进行科学的规划和优化。
通过合理规划仓库内部的物流动线，可以提高仓储效率和工作效率，降低成本，为企业的物流运作提供有力支持。
文章1.2 文章结构部分内容如下：文章结构的设计对于一篇长文的完整性和连贯性起着至关重要的作用。
在本文中，我们将按照以下结构展开讨论仓库动线优化的原则。
首先，在引言部分，我们将概述仓库动线优化的背景和意义，为读者提供一个对该主题的整体了解。
同时，我们将介绍文章的结构和目的，以确保读者在阅读过程中获得清晰的导向和期望。
接下来，在正文部分，我们将详细探讨两个关键的原则。
原则一将聚焦于仓库内部的布局和组织方式，我们将介绍如何根据不同商品的特性和需求来设计适宜的存储区域，以优化仓库内货物的流动效率。
基于禁忌搜索的多AGV系统路径优化算法
自动导引车（Automated Guided Vehicles，AGV）定义为配置导航定位功能的自动导引装置，能够沿系统规划的路径行驶，具有安全保护且能完成各种装卸作业的自动设备[1]。
在现代化输送系统的自动化和智能化中起着不可或缺的重要作用，日益广泛应用在制造业、航空航天、物流服务等行业。
多AGV系统的路径规划技术包括作业任务的分派、最短路径搜索和交通管理的相互配合，不仅需要保证作业的安全性，同时还要保持系统的高效运转。
其中AGV的路径搜索需要在复杂的现场环境下，依据工艺地图路线，按照作业时间最短、系统运行成本最低和全局作业流畅的评价标准，规划一条从起始点到目标点的行驶路径[2]。
多AGV系统的路径搜索是一个涉及约束条件、附加条件和现实条件的复杂非确定性多项式（Non-deterministic Polynomial，NP）问题。
相比于传统经典算法，智能优化算法能够更有效地解决路径规划的多约束问题，通过将寻找最优路径转化为寻找函数最优值，从而实现多AGV系统路径规划中的最短路径搜索[3]。
本文在保证合理任务分配机制和稳定交通管理策略的前提下，对比经典寻路算法，提出基于邻域搜索的禁忌路径搜索算法，通过仿真实验证明该方法的优越性和必要性。
1介绍随着AGV系统应用的日益广泛和作业任务的日益复杂，AGV集群之间的相互配合与协作，成为系统项目中不可避免的重要问题，而多AGV的路径规划技术就是AGV系统的核心技术之一，可分为环境信息完全已知的全局路径规划和环境信息完全未知或部分未知的局部路径规划[4]。
在多AGV系统的环境信息已知的全局路径规划中，任务调度算法、路径搜索方法和交通管理的性能直基于禁忌搜索的多AGV系统路径优化算法陈展，公建宁，刘媛媛，徐京邦机械科学研究总院机科发展科技股份有限公司，北京100044摘要：在多自动导引车（Automated Guided Vehicles，AGV）系统的路径规划中，构建AGV的拓扑结构地图模型，设计基于全局邻域搜索的禁忌算法，以高效准确地解决最短路径的组合优化问题，并进行不同规模算例下的分组实验，验证禁忌搜索算法对路径能耗属性、时间属性和路径负载均衡目标参数的优化效果，来提高多AGV系统的稳定性和高效性。
基于改进DDPG的多AGV路径规划算法
基于改进DDPG的多AGV路径规划算法目录1. 内容综述 (2)1.1 研究背景 (2)1.2 研究目的 (4)1.3 文献综述 (4)1.4 问题提出与论文结构 (6)2. 多智能体系统(MAS)理论基础 (7)2.1 多智能体系统概述 (9)2.2 多智能体通信模型 (10)2.3 多智能体协同任务规划 (11)3. 深度确定性策略梯度算法(DDPG) (13)3.1 DDPG算法简介 (14)3.2 DDPG算法结构 (16)3.3 DDPG算法的训练与参数调整 (17)4. 基于改进DDPG的多AGV路径规划算法 (19)4.1 智能体交互模型设计 (20)4.2 多智能体协同路径规划的优化方法 (22)4.3 基于奖励机制的路径规划评估标准设计 (23)4.4 改进DDPG算法流程 (24)4.5 仿真实验设置与结果分析 (25)4.5.1 仿真环境搭建 (27)4.5.2 仿真数据与指标 (28)4.5.3 仿真对比实验 (29)5. 结论与展望 (31)5.1 主要贡献与创新点 (32)5.2 研究展望 (33)1. 内容综述本文档旨在深入探讨基于改进型深度确定性策略梯度（DDPG）算法的多自主导引车（AGV）路径规划技术。
现代社会对高效物流和自动化仓储的需求日益增长，而AGV在这一领域展现了巨大的潜力和应用价值。
要求增加的全局路径规划效率和实时更新的能力对传统的规划算法提出挑战。
我们研究并构建了一种新型的、结合强化学习技术的路径优化方案，该方案旨在提升调度决策的速度与质量。
改进DDPG算法通过引入先进的Q网络优化技术和动作重复机制，极大地削弱了传统DDPG算法的时序维度依赖，同时加强了对特定场景的适应能力。
在多AGV协同工作的实际情境下，该算法博客摆明了，目标是通过学习目标函数的稳定梯度，在确保安全的前提下，以最短路径完成货物运输，避免无用的转弯和冗余路径，从而提高吞吐量和资源利用率。
物流仓储机器人辅助效率提升方案
物流仓储机器人辅助效率提升方案一、物流仓储机器人概述物流仓储机器人作为现代物流行业的重要技术革新，正逐渐改变传统的仓储管理方式。
这些机器人通过自动化技术，能够显著提高物流仓储的效率和准确性，降低人工成本，并提升整体的物流服务质量。
本文将探讨物流仓储机器人在提升效率方面的应用，分析其在现代物流中的重要性、挑战以及实现途径。
1.1 物流仓储机器人的核心功能物流仓储机器人的核心功能主要包括以下几个方面：- 自动导航与定位：机器人能够通过内置的导航系统，实现在仓库内的自动导航和精确定位。
- 货物搬运与分拣：机器人能够自动搬运货物，并根据预设的程序进行货物的分类和分拣。
- 数据收集与分析：机器人在操作过程中能够收集相关数据，并通过数据分析优化仓储管理流程。
- 交互与通信：机器人能够与仓库管理系统进行交互，实现信息的实时共享和通信。
1.2 物流仓储机器人的应用场景物流仓储机器人的应用场景非常广泛，包括但不限于以下几个方面：- 自动化存储：机器人可以自动将货物存放到指定的货架上，提高存储效率。
- 订单拣选：机器人可以快速准确地拣选订单，减少人工拣选的错误率。
- 货物盘点：机器人可以进行自动化的货物盘点，提高盘点的准确性和效率。
- 智能监控：机器人可以对仓库环境进行智能监控，及时发现并处理异常情况。
二、物流仓储机器人技术的实现物流仓储机器人技术的实现是现代物流行业技术创新的体现，需要物流企业、机器人制造商、软件开发商等多方的共同努力。
2.1 物流仓储机器人的关键技术物流仓储机器人的关键技术包括以下几个方面：- 机器视觉技术：通过机器视觉技术，机器人能够识别货物的形状、大小和位置。
- 传感器技术：利用各种传感器，机器人能够感知周围环境，避免碰撞和跌落。
- 算法：通过算法，机器人能够学习和优化自己的行为模式。
- 无线通信技术：通过无线通信技术，机器人能够与控制系统进行实时数据交换。
2.2 物流仓储机器人技术的发展阶段物流仓储机器人技术的发展阶段主要包括以下几个阶段：- 概念设计：对物流仓储机器人的功能和性能进行初步设计。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Multi-Handling Robot, Path Planning, Time Window, Two-Stage, Dynamic
仓储作业中多搬运机器人动态路径优化
王鑫淼
北京交通大学经济管理学院，北京
收稿日期：2019年4月26日；录用日期：2019年5月13日；发布日期：2019年5月21日
关键词
多搬运机器人，路径规划，时间窗，两阶段，动态
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
2.1. 问题描述
与“人到货”的拣选模式相反，“货到人”的拣选模式是指搬运机器人将任务货架移送至拣选台， 拣选工人在拣选站将所需的商品从货架中取出即可。“货到人”拣选模式中搬运机器人的作业流程如下：
1) 为搬运机器人分配任务。由于一个搬运机器人不能同时执行多项订单任务，因此将任务分配给距 离货架最近的空闲搬运机器人，为其规划自起点至终点的最优行走路径。并根据任务下达的时间为机器 人设置优先级，任务下达越早，机器人的优先级越高；
DOI: 10.12677/airr.2019.82009
70
人工智能与机器人研究
王鑫淼
Figure 1. Environment map of warehouse operation 图 1. 仓储作业环境平面图
3) 同向行驶时，为防止前面的机器人因突然停止(故障)导致两车相撞，规定机器人在行驶过程中需 与前车保持安全距离。本文将机器人的安全车距定为，即车身长度 + t 秒内车辆的行驶长度；
摘要
搬运机器人在无人仓的“货到人”拣选系统中得到了广泛应用，然而多个搬运机器人协同作业还存在着
文章引用: 王鑫淼. 仓储作业中多搬运机器人动态路径优化[J]. 人工智能与机器人研究, 2019, 8(2): 68-82. DOI: 10.12677/airr.2019.82009
王鑫淼
路径寻优规划不合理、路径冲突等问题。考虑路径的负载平衡及搬运机器人转弯耗费的时间，建立了带 有时间窗的多搬运机器人路径规划模型；结合调整优先级的避障策略，提出了一种改进的“离线–在线” 两阶段动态路径规划算法，实现全局离线路径规划和在线冲突规避，提升了无人仓系统的运行效率。最 后，设计三组仿真实验，通过对比搬运机器人的总运行时间，验证了改进算法的有效性。
4) 判断搬运机器人是否需要充电，如需充电，行驶至充电桩处进行充电，否则释放搬运机器人； 5) 转至步骤 1)，重复执行以上操作，直至无拣选任务。 图 1 是由实际仓库作业环境抽象出的电子栅格地图，栅格地图由拣选台、搬运机器人、可移动货架 以及充电站组成。搬运机器人可以在栅格图中沿着东、南、西、北四个方向行驶，栅格中的每一条边都 是搬运机器人行驶的车道，一个搬运机器人在运行时只能占用一条边，同一时刻不允许两个搬运机器人 在一条边上相向行驶。 为简化模型，对多搬运机器人路径规划问题做出如下假设： 1) 每条边上运行的搬运机器人数量不能超过其能承载的最大数量； 2) 每个搬运机器人在行驶过程中按匀速行驶，机器人遇到障碍时的停车减速时间忽略不计；
2. 带有时间窗的多搬运机器人路径规划模型
多搬运机器人的动态路径规划问题实质上是在仓库中的静态障碍物已知的情况下，为每个搬运机器 人规划出从起始点到终点无冲突的最优或次优路径，使得多个搬运机器人的行驶路径不发生冲突。并且 在搬运机器人行驶过程中可动态调整搬运机器人的行驶路径，从而对未知的动态障碍进行规避。
基于耦合的多搬运机器人路径规划是指在运行过程中考虑到机器人会相互影响，从而考虑将所有机 器人看作一个整体，为其规划路径。基于耦合的多搬运机器人路径规划方法能够实现机器人间的紧密和 最优协调，规划的路径通常是最优(次优)及完备的解。Ma [12]重点研究了基于集群的多机器人任务分配 及路径规划、负载可交换的多机器人路径规划、及路径执行不完美的问题。Miao [13]提出了改进的模拟
多搬运机器人路径规划(Multi-Robot Path Finding, MRPF)问题分为解耦的和耦合的。解耦化的方法是 指将搬运机器人看作多个独立的个体，各自规划行驶路径。采用解耦化的多搬运机器人路径规划方法计 算复杂性低、鲁棒性好。其缺陷在于当仓库中搬运机器人数量较大时，极易产生冲突和拥堵，造成复杂 的路径再次规划问题。Khorshid [5]等针对解耦算法无法保证最优解及完备解，提出了一种树搜索的方法。 Chang [6]使用 Dijkstra 算法为双向路径中的多搬运机器人设计了无冲突的最短行驶路径。Ma [7]等提出带 有惩罚项的改进粒子群优化算法解决了双层仓库多搬运机器人路径规划问题。Umar [8]等提出了一种混合 遗传算法，对柔性生产系统环境下的多机器人系统进行路径规划，并采用设立优先级的方式对柔性生产 系统环境下的任务和机器人进行集成排序，解决路径冲突。Desrochers [9]等人提出了应用时间窗解决多 台机器人的碰撞问题。Wang [10]提出了一种概率迭代路径协调的局部搜索算法(PIPC)，为最晚完工的机 器人找到最优解。Alejandro [11]考虑到路径安全性、路径长度和路径平稳性，提出了一种基于混合蛙跳 算法的多目标解耦算法。
2) 领取任务后的搬运机器人由空闲变为工作状态，自所在位置按照系统规划好的路径行驶至任务货 架处，将任务货架顶起，机器人由空载变为负载状态；
3) 带有任务货架的搬运机器人行驶至目标拣选台，等待拣选。当前拣选任务完成后检查是否存在其 他拣选任务，若有，移动至指定拣选台等待拣选；否则，根据系统给出的目标位置，为搬运机器人设计 回程最优路径，将任务货架运回。搬运机器人此时的状态变为空载、空闲；
DOI: 10.12677/airr.2019.82009
69
人工智能与机器人研究
王鑫淼
退火算法，用于机器人在静态和动态障碍物环境下的路径规划。Standley 和 Korf [14]提出了一种动态分 组的多机器人无冲突路径规划方法，以降低求解的复杂度。Sharon [15]基于冲突提出了新的一种两级路 径寻优算法，在高层对有冲突的机器人进行搜索，在底层对每个机器人进行路径快速寻优，其求解速度 较 A*算法高了一个数量级。
Dynamic Path Planning for Multi-Robot in Warehousing OEconomics and Management, Beijing Jiaotong University, Beijing
Received: Apr. 26th, 2019; accepted: May 13th, 2019; published: May 21st, 2019
“货到人”拣选系统的优化对提升电商企业的市场竞争力具有重要作用[1]。部分研究者对智能仓库 系统中的一些简化子问题开展了初步的研究工作，包括 Hazard [2]等学者研究静态货位分配问题、Li [3] 等研究静态任务指派和路径规划问题等。但这些研究工作都是针对静态情况的，并没有考虑实际订单拣 选过程的连续性和各个环节之间的关联性。研究结果还无法解决“货到人”拣选系统中的实际问题，因 此必须研究动态的路径规划策略[4]。
Abstract
Handling robots have been widely used in the picking system of “part-to-picker” in un-manned warehouse. However, there are still problems such as unreasonable path seeking planning and path conflict in the collaborative operation of multi-handling robot. Considering the load balance of the path and the turning time of the handling robot, the path planning model of the multi-handling robot with time window is established. Combined with the obstacle avoidance strategy of adjusting the priority, an improved “offline-online” two-stage dynamic path planning algorithm was proposed to realize the combination of global off-line path planning and online conflict avoidance, thus improving the operation efficiency of the un-manned warehouse system. Finally, three sets of simulation experiments are designed to verify the effectiveness of the improved algorithm by comparing the total running time of the handling robots.
Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2019, 8(2), 68-82 Published Online May 2019 in Hans. /journal/airr https:///10.12677/airr.2019.82009
本文针对仓储作业中多个搬运机器人的动态路径优化问题，设计了符合电商企业实际作业需求的带 有时间窗的 MRPF 数学模型，提出了改进两阶段路径规划算法，将原问题分解为离线路径规划和在线路 径协调两个子问题，在离线路径规划中对传统的 Dijkstra 算法进行了改进，考虑了路径繁忙程度以及机 器人转向时间，在线路径协调中基于机器人的优先级进行实时调度及冲突避碰。通过仿真实验，与使用 传统算法时搬运机器人的总运行时间进行对比，验证了本文算法的有效性。