python 遗传算法 agv_基于遗传算法的工厂AGV路径优化研究

党宏社 孙心妍

摘要：针对工厂AGV行驶路径复杂、应用局限性等问题，vRAGV配送物料行驶路径最短为目标，采用遗传算法进行AGV路径规划，并加入物料类型选择的循环套，通过多次实验确定最合理的控制参数，从而产生AGV运输多种类型物料的最优路径结果。使用Maflab软件对算法进行仿真，结果表明：该算法是有效的，能够直接实现ACV在输多种类型物料时所产生的不同种路径的优化。

关键词：自动导引车;路径规划;遗传算法

0引言

随着社会生产技术的发展和自动化程度的提高，很多工厂为了提升运输工作效率，引入了自动导引小车AGV(Automatic Guided Vehicle)进行物流运输。据相关资料统计，在制造业中不足5%的时间用于加工装配，而超过95%的时间用于物流配送，因此物料的及时准确供应直接关系到生产线的流畅性。节约车间生产成本，减少物料运输时间，提升单台AGV搬运效率，一直以来AGV的路径规划问题，即寻找AGV的最优路径是工厂所关注的焦点。

目前国内外很多学者都对于AGV的路径规划问题做了相应的研究。遗传算法是模仿自然界生物进化机制发展起来的随机全局搜索优化方法，具有算法效率高、鲁棒性强、可实现并行搜索等特点，被广泛用于解决路径规划等领域的问题。G.Jeon和William等人用混合遗传算法求解车辆路径规划问题：李青欣进行了AGV路径规划的遗传算法研究，根据运行环境信息复杂度和数量的不同分别分析了几种不同类型的路径规划。