一种基于改进A星算法的多状态车辆路径规划方法技术

本发明专利技术属于仓储物流路径规划领域，涉及一种基于改进A星算法的多状态车辆路径规划方法。所述方法步骤如下：将搜索区域划分为二维数组，数组每个元素对应一个搜索区域的节点，共有n个节点。构建开放列表与关闭列表；Open list中存放在路径规划中待检测的节点，closelist中存放已检测过的节点。构造单一状态下车的节点权重。将m种状态的车分别构造节点权重。根据启发式函数计算节点的代价以搜索车的最优路径；H为节点j到目标节点的代价，G为起始节点到节点j的代价。本发明专利技术针对多状态车辆路径规划时，考虑到了不同节点的繁忙程度。通过利用节点可通过车辆状态的种类，能加快多车路径规划的求解速度。

A Multi-state Vehicle Route Planning Method Based on Improved A-Star Algorithm

【技术实现步骤摘要】
一种基于改进A星算法的多状态车辆路径规划方法
本专利技术属于仓储物流路径规划领域，涉及一种基于改进A星算法的多状态车辆路径规划方法。
技术介绍
物流是生产流程中的一个关键环节，应对物流配送中缺乏效率和灵活性的问题，现代仓储可以依靠AGV及其集成系统完成物流作业的处理。由于效率和灵活性的提高，自动化仓库正成为越来越受欢迎的终端物流解决方案。为了满足日益增长的交付吞吐量要求，仓库中使用AGV的数量越来越多。所以多AGV路径规划和协调是受到更多关注的一个问题。现有的解决多车路径规划问题的方法有很多，比如分层协作A星算法(HCA星)、递增成本树搜索(ICT)、基于冲突的搜索(CBS)和推和旋转算法(PAS)等等，这些算法大多是先利用单车路径规划算法求出单车的最短路径，再利用各自的算法解决多车的交通冲突问题。但解决交通冲突必然会花费时间，而上述算法在实际执行的过程中确实也是将大部分时间花在了解决多车冲突上。多车冲突是浪费时间的，越少的冲突就意味着越好的效果，而现有的算法大多数是解决冲突，而没有考虑到在单车路径规划时就尽量规避多车冲突。
技术实现思路
本专利技术的专利技术目的是在单车路径规划阶段减少多车冲突，提出了一种基于改进A星算法的多状态车辆路径规划方法，本专利技术对A星的改进主要是对不同状态下车辆的启发式函数设计进行改进。为了实现上述目的，本专利技术技术方案是：一种基于改进A星算法的多状态车辆路径规划方法，包括以下步骤：步骤S1:简化搜索区域，将搜索区域划分为二维数组，数组每个元素对应一个搜索区域的节点，共有n个节点。步骤S2:构建开放列表openlist与关闭列表closelist。Openlist中存放在路径规划中待检测的节点，closelist中存放已检测过的节点。起始节点放到closelist中。开放列表和关闭列表中每个节点有个3个属性：父节点、G和H。父节点表示路径中通过该节点所经过的上一节点，G为起始节点到该节点的代价，H为该节点到目标节点的代价。步骤S3:3.1构造单一状态下车的节点权重Wi。车辆共有m种状态。当一个节点只有一种状态的车能通过，则该节点对于此状态的车的权重为1；当该节点还有其他x种状态的车能通过，则该节点对此种状态的车的权重为1+0.1*x。其中i＝1,2,3……m；x＝1,2,3……m-1；3.2将m种状态的车分别构造节点权重Wi。步骤S4:根据启发式函数F(x)＝G+H计算节点的代价以搜索车的最优路径。计算节点j的代价F(x)时，先计算节点j的H值和G值。H为节点j到目标节点的代价，采用节点j到目标节点曼哈顿距离表示。G为起始节点到节点j的代价，用起始节点到节点j父节点的代价Ga、节点j父节点到节点j的代价Gb，两者之和来表示。其中Ga为节点j父节点的G值，Gb为节点j父节点到节点j的曼哈顿距离与车在i状态下对于节点j的权重Wij的乘积。其中i＝1,2,3……m,j＝1,2,3……n。将openlist中F(x)值最小的节点加入到closelist中，并对其相邻节点进行搜索。如果相邻节点在closelist中，则忽略；若相邻节点在openlist中，则比较它经由该节点的G值是否更小，如果是则将父节点更新为该节点，如果不是则不做改变；若相邻节点未被搜索过，则加入openlist并设置其节点属性。直至目标节点添加到closelist中。则找到该车从起始点到目标点的最优路径。本专利技术的有益效果是:1)本算法基于A星，所以保证了生成的路径仍是最短路径。2)针对多状态车辆路径规划，本专利技术是在单车路径生成时，就考虑到了不同节点的繁忙程度。通过利用节点可通过车辆状态的种类，设置节点的权重系数，使车辆尽量从繁忙程度小的节点通过，减少了多车路径规划中多车冲突产生的次数。能加快多车路径规划的求解速度。附图说明图1本专利技术的所基于的算法流程图。图2简化后的仓库车辆控制系统图。图3车辆两种状态情况下传统A星规划生成的路径。图4车辆两种状态情况下改进A星规划生成的路径。具体实施方式为了使本专利技术的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本专利技术作进一步详细的说明。本专利技术一种基于改进A星算法的多状态车辆路径规划方法，所基于的算法流程图如图1所示。为了能更清晰的介绍本专利技术的技术方案及其优点，结合图2-4具体实施案例的步骤如下：步骤S1，整个仓库车辆控制系统图如图2所示。其中将仓库地图中的搜索区域划分二维数组，数组的每个元素代表一个节点，将仓库的整个地图简单的表示为图2中所示的节点图。其中1三角形节点是指仓库货架底下的节点，2圆形节点是指主路上的节点，3椭圆形状是指搬运货物的车辆，4是路径规划方法执行的计算控制中心，它通过无线网络传输控制车辆的行走。步骤S2，构建openlist存放在路径规划过程中需要检测的点，构建closelist存放检测后筛选出的点。两个表中的节点都有三种属性：父节点，G，H。G为起始节点到该节点的代价，H为该节点到目标节点的代价，父节点表示路径中通过该节点所经过的上一节点。初始时，将起始节点放入closelist中，将起始节点所连通的其他节点放入openlist中。步骤S3，本实例中共有两种状态的车，一种是带货架载货的AGV，一种是不带货架的AGV。分别构造这两种状态车的节点权重W1，W2。带货架的AGV只能通过圆形节点，不带货架的AGV可以通过圆形节点和三角形节点。对于带货架的AGV，圆形节点的权重是1+0.1*1＝1.1，三角形的节点是无穷大；对于不带货架的AGV。圆形节点的权重是1+0.1*1＝1.1，三角形节点的权重是1。步骤S4，根据启发式函数F(x)＝G+H计算节点代价搜索不同状态的车的最优路径。步骤S4.1，根据节点的属性G和H，计算该节点的代价F值。并将openlist中F值最小的节点放入closelist中。步骤S4.2，搜索closelist最后一个节点的相邻节点。如果相邻接点已在closelist中，则忽略该点；如果其相邻节点在openlist中，则比较它经由此点的F值与之前F值的大小，如果更大，则忽略，否则更新相邻接点的属性，将其父节点更新为此节点，将G值更新为更小的G值；如果其相邻接点不在openlist中，则计算其G值，H值，将其加入openlist中。步骤S4.3，判断此时目标节点在closelist中。如果此时目标节点在closelist中，则找到了该状态的车的最优路径。如果不在closelist中，则返回步骤S4.1。在步骤S4.1中，如在载货状态下车的路径规划中，计算节点j代价F时，需先分别计算其G和H。G用起始节点到j父节点的代价Ga与j父节点到节点j的代价Gb之和来表示。Ga为j父节点的G值，Gb为j父节点到j的曼哈顿距离与载货状态车在节点j的权重W1j的乘积。H的计算为该节点到目标节点的曼哈顿距离。图3是基于传统的A星算法进行的路径规划，图4是本专利技术基于改进A星算法进行的路径规划。可以明显的看出，对于带货架的AGV两种方法求出的路径基本一样。而对于不带货架的AGV由于传统A星对于三角形节点和圆形节点的无差别处理，生成的路径和带货架的AGV的路径有很大重合，这对单车路径没有影响，但在多车规划时，这里就有可能产生冲突；而本专利技术的方法，则让不带货架本文档来自技高网...

【技术保护点】
1.一种基于改进A星算法的多状态车辆路径规划方法，其特征在于，包括以下步骤：步骤S1:将搜索区域划分为二维数组，数组每个元素对应一个搜索区域的节点，共有n个节点；步骤S2:构建开放列表open list与关闭列表close list；Open list中存放在路径规划中待检测的节点，closelist中存放已检测过的节点；起始节点放到closelist中；开放列表和关闭列表中每个节点有个3个属性：父节点、G和H；父节点为路径中通过该节点所经过的上一节点，G为起始节点到该节点的代价，H为该节点到目标节点的代价；步骤S3:3.1构造单一状态下车的节点权重Wi；车辆共有m种状态；当一个节点只有一种状态的车能通过，则该节点对于此状态的车的权重为1；当该节点还有其他x种状态的车能通过，则该节点对此种状态的车的权重为1+0.1*x；其中i＝1,2,3……m；x＝1,2,3……m‑1；3.2将m种状态的车分别构造节点权重Wi；步骤S4:根据启发式函数F(x)＝G+H计算节点的代价以搜索车的最优路径；H为节点j到目标节点的代价，G为起始节点到节点j的代价；将open list中F(x)值最小的节点加入到closelist中，并对其相邻节点进行搜索；如果相邻节点在close list中，则忽略；若相邻节点在open list中，则比较它经由该节点的G值是否更小，如果是则将父节点更新为该节点，如果不是则不做改变；若相邻节点未被搜索过，则加入open list并设置其节点属性；直至目标节点添加到closelist中；则找到该车从起始点到目标点的最优路径。...

【技术特征摘要】
1.一种基于改进A星算法的多状态车辆路径规划方法，其特征在于，包括以下步骤：步骤S1:将搜索区域划分为二维数组，数组每个元素对应一个搜索区域的节点，共有n个节点；步骤S2:构建开放列表openlist与关闭列表closelist；Openlist中存放在路径规划中待检测的节点，closelist中存放已检测过的节点；起始节点放到closelist中；开放列表和关闭列表中每个节点有个3个属性：父节点、G和H；父节点为路径中通过该节点所经过的上一节点，G为起始节点到该节点的代价，H为该节点到目标节点的代价；步骤S3:3.1构造单一状态下车的节点权重Wi；车辆共有m种状态；当一个节点只有一种状态的车能通过，则该节点对于此状态的车的权重为1；当该节点还有其他x种状态的车能通过，则该节点对此种状态的车的权重为1+0.1*x；其中i＝1,2,3……m；x＝1,2,3……m-1；3.2将m种状态的车分别构造节点权重Wi；步骤S4:根据启发式函数F(x)＝G+...

【专利技术属性】
技术研发人员：史彦军，杨正茂，沈卫明，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21