發(fā)布時間：2021-04-10 15:53

　　針對智能倉儲物流AGV全局路徑規(guī)劃,提出了改進的A-Star算法。該算法在原有估價函數(shù)的基礎(chǔ)上,引入懲罰函數(shù)和獎勵因子,以解決傳統(tǒng)A-Star算法拐點多的問題,進而提升AGV的全局運輸效率。為評估改進算法的有效性,文章基于Visual Studio設(shè)計了Windows應(yīng)用開發(fā)程序進行仿真實驗。實驗結(jié)果表明,改進的A-Star算法可顯著降低AGV的轉(zhuǎn)彎次數(shù),有效提高AGV的運輸效率。 

【文章來源】：機電一體化. 2019,25(06)

【文章頁數(shù)】：7 頁

【部分圖文】：

節(jié)點示意圖

估價函數(shù)的計算

為驗證改進后的A-Star算法的效果，仿真程序基于Visual Studio使用C#語言編寫。在Visual Studio中編寫Windows窗體應(yīng)用程序，設(shè)計A-Star算法圖形化驗證界面，如圖7所示。窗體中有5個按鈕，可初始化構(gòu)建柵格地圖(20×20)，在地圖中自主添加障礙物，指定起點和終點，并根據(jù)改進的A-Star算法在起點和終點之間進行路徑規(guī)劃。使用A-Star算法仿真界面構(gòu)建柵格地圖，隨機設(shè)置地圖中的障礙物、目標點和終止點，分別進行以下三組實驗。三組實驗中障礙物的數(shù)量依次增多，障礙物布局越來越復(fù)雜。傳統(tǒng)A-Star算法和改進A-Star算法的路徑規(guī)劃結(jié)果如圖8至圖13所示，實驗結(jié)果如表1所示。

【參考文獻】：
期刊論文
[1]復(fù)雜動態(tài)環(huán)境下自主機器人路徑規(guī)劃研究[J]. 王志中.  組合機床與自動化加工技術(shù). 2018(01)

碩士論文
[1]基于RRT的全局路徑規(guī)劃方法及其應(yīng)用研究[D]. 王全.國防科學(xué)技術(shù)大學(xué) 2014



本文編號：3129919