[发明专利]一种用于大型仓储环境的AGV路径规划方法

说明书

本发明涉一种用于大型仓储环境的AGV路径规划方法，通过限制搜索树向着AGV的目标点方向扩展，提高单次搜索速度；改进传统MCTS算法在搜索树扩展至目标点才进行节点评价，使其每进行一次节点扩展便进行一次评价，避免“反向传播”过程的时间浪费，提高了算法效率。然后，将DP算法多阶段优化问题的思想和改进的MCTS算法相结合建立DP‑MCTS算法，进一步提高了大型自动化仓储系统下AGV的路径规划效率；能够缩短AGV路径规划时间，得到多AGV的距离和时间均最短的路径、降低多AGV系统能量消耗，能够方便快捷的选择出最优的AGV路径有利于提高整个仓储系统的实时性。

技术领域

本发明属于AGV路径规划技术领域，具体涉及一种用于大型仓储环境的AGV路径规划方法。

背景技术

大型自动化仓储系统指仅需少量人工作业，通过自动引导车(AGV)实现自动存取物料的系统。作为自动化仓储系统中主要的运输工具，AGV承担从指定起点到指定目标点的货物运输工作。AGV的运行效率对系统的整体效率有重要影响，而AGV的运行效率取决于路径规划的效率。对AGV的路径进行合理规划不仅可以提高仓储系统的效率，还可以节省大量的能源。多AGV路径规划逐渐演化成一个多目标组合优化问题：除了需要关注算法快速性外，还需要考虑路径距离最短、时间最小和耗能最少。因此，大型自动化仓储系统下多AGV的路径规划问题得到了广泛的关注。

现有的Dijkstra算法是AGV路径规划最有效的方法之一，但是其不能满足仓储环境规模不断扩大的需求；传统的动态规划算法(Dynamic Programming，DP)通过随机选择起点对样本集进行迭代，经多次训练得到最接近最优策略的Value Function，从而找到解决问题的策略。随着路径规划环境规模的扩大，训练次数和单次训练时间也会越来越大，DP算法在大型自动化仓储系统中的计算量会随着工位点个数的增加而指数增加；传统的蒙特卡洛树搜索算法(Monte Carlo Tree Search，MCTS)缺少启发机制不能平衡“探索”与“利用”，其“盲目搜索”机制计算量较大。此外，在传统的MCTS的节点扩展过程中，当搜索树的叶子节点扩展至目标点时才对已遍历过的节点进行评价，在大型仓储系统中效率不高。

因此如何方便快捷的选择出最优的AGV路径已经成为亟需解决的技术问题。

发明内容

为了解决现有技术存在的效率低、实时性差的问题，本发明提供了一种用于大型仓储环境的AGV路径规划方法，其具有效率更高、实时性更好等特点。

根据本发明的具体实施方式的一种用于大型仓储环境的AGV路径规划方法，包括：

基于AGV的行驶起点和目标点的位置所确定的区域进行区域划分，以确定AGV的路径搜索范围；

基于搜索范围内当前节点与目标节点的位置对AGV节点扩展过程进行限定，以限定其搜索的方向；

在每进行一次节点扩展时则对该节点进行一次筛选直到目标节点，以找到AGV起点至目标点的所有可行路径；

对所述可行路径进行评分，选择分值最小的可行路径作为AGV的距离-时间最短路径，并根据优先级确定AGV最优路径。

进一步的，所述用于大型仓储环境的AGV路径规划方法还包括：

对多个AGV的距离-时间最短路径进行成对冲突预检测，并确定路径冲突关键段及其长度。

进一步的，所述用于大型仓储环境的AGV路径规划方法还包括：

获取存在路径冲突的相关AGV的优先级，并采用自适应的方法对相关AGV的路径和/或到达路径中每个节点的时间进行修改；

在AGV遇到临时障碍物时采用自适应的方法解决路径冲突。

进一步的，所述用于大型仓储环境的AGV路径规划方法还包括：