[发明专利]一种用于AGV小车、特种车辆的人工智能导航算法

权利要求书

1.一种用于AGV小车、特种车辆的人工智能导航算法，其特征在于：具体按以下步骤执行：

S₁:通过使用栅格建模方法建立整个AGV运行场景的栅格地图，并设置各条运行线路的起点和线路终点；

S₂:使用A星算法开启各条线路的列表和关闭各条线路的列表，对A星算法的各条线路上的运行参数进行初始化处理；

S₃:通过Canopy粗聚类各个运行线路上的货架栅格，在建模的地图上生成佳聚类的可能K值和聚类中心点；

S₄:将K值和聚类中心应用到货架栅格的K-means聚类算法中，使每个K值和相应中心的输出是K个地图网格群；

S₅:根据步骤S₄，得到每个聚类分区的货架的分布以及地图信息，并将地图分成大小不同的矩形分区；

S₆:对矩形分区的栅格地图使用A星算法，找出路径穿过每个分区边界的起止点；

S₇:若是货架区，则标注出该区的起点和终点，作为局部起点或终点，使用蚁群算法找出局部的最优路径；

S₈:若是可行区，则是步骤S₆中的A星算法路径的直线路径作为局部的最优短路径。

2.根据权利要求1所述的一种用于AGV小车、特种车辆的人工智能导航算法，其特征在于：在步骤S₂中，具体通过以下公式执行，具体如式(1)所示；

S_2。1：线路参数距离计算如下：

f(n)＝g(n)+h(n) 式(1)

其中，f(n)为AGV运行点位，g(n)表示节点n到源节点的距离，h(n)表示到目的节点的距离，其中当h(n)＝0时，A星算法转化为了Dijkstra算法，则每次只考虑到起始节点最近的节点；当g(n)＝0时，A星算法转化为了BFS算法，则每次只考虑到终点节点最近的节点。

3.根据权利要求1所述的一种用于AGV小车、特种车辆的人工智能导航算法，其特征在于：在步骤S₇中，具体按以下步骤执行：

S_7。1：初始化各条线路的初始位置与终点位置数据；

S_7。2：为每个AGV选择下一个节点；

S_7。3：更新信息素矩阵；

S_7。4：检查终止条件；

S_7。5：输出最优值。

4.根据权利要求3所述的一种用于AGV小车、特种车辆的人工智能导航算法，其特征在于：在步骤S_7。4中，若达到最大代数MAX_GEN，算法终止，转到S_7。5；否则，重新初始化所有的AGV的Delt矩阵所有元素初始化为0，Tabu表清空，Allowed表中加入所有的线路节点，随机选择它们的起始位置，在Tabu中加入起始节点，Allowed中去掉该起始节点，重复执行S_7。2-S_7。4。