动态环境下的多智能体路径规划方法、装置、设备及介质制造方法及图纸

本申请公开了一种动态环境下的多智能体路径规划方法、装置、设备及存储介质，涉及路径规划技术领域，包括：调用基于冲突搜索的底层增量式A星算法规划出各智能体从起始节点位置到目标节点位置的最短路径；增量式A星算法为通过引入节点参数k值得到的改进后基于冲突搜索的底层A星算法；调用优化后基于冲突搜索的高层搜索算法协调所有智能体对应的最短路径以生成智能体之间无冲突的目标最短路径；优化后基于冲突搜索的高层搜索算法为利用显示估计搜索算法优化后的高层搜索算法。本申请通过利用显式估计搜索算法和增量式搜索思想分别对基于冲突搜索的高底层进行优化，能够提高局部路径受阻时重构路径的时间效率，并提高构建约束树的构建速度。约束树的构建速度。约束树的构建速度。

【技术实现步骤摘要】
动态环境下的多智能体路径规划方法、装置、设备及介质


[0001]本专利技术涉及路径规划
，特别涉及一种动态环境下的多智能体路径规划方法、装置、设备及介质。

技术介绍

[0002]当前，随着电子商务和仓储自动化技术的快速发展，仓储物流环境需要大量移动机器人装载和搬运，智能化仓储物流已经成为提高生产力的必然趋势。自动化仓储物流环境需要大量移动机器人能够按照既定的路径进行移动，装载和搬运相应的货物。自动化仓储移动机器人的路径规划，可以建模为多机器人路径规划。多机器人路径规划是为多个机器人找到一组由起始位置到目标位置的无碰撞路径，也是仓储物流的关键技术之一，因此面向仓储物流的多机器人路径规划研究是非常必要且有重大意义的。但是在自动化仓储中，除了移动机器人外，还有其他具体的物体，比如存放货物的货架，检查设备运行情况的工作人员，形成了一个动、静态混合的复杂环境，这要求仓储物流的多机器人系统，具有更高层次的路径规划算法，不仅能把货物搬到指定的位置，更需要机器人能规避正在工作的人员，避免对相关人员造成伤害。经典的动态环境下的多智能体路径规划方法有很多，比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态环境下的多智能体路径规划方法，其特征在于，包括：调用基于冲突搜索的底层增量式A星算法规划出各智能体从起始节点位置到目标节点位置的最短路径；所述增量式A星算法为通过引入节点参数k值确定新增障碍物的位置信息得到的改进后基于冲突搜索的底层A星算法；调用优化后基于冲突搜索的高层搜索算法协调所有所述智能体对应的所述最短路径以生成所述智能体之间无冲突的目标最短路径；所述优化后基于冲突搜索的高层搜索算法为利用显示估计搜索算法优化后的高层搜索算法。2.根据权利要求1所述的动态环境下的多智能体路径规划方法，其特征在于，所述调用基于冲突搜索的底层增量式A星算法规划出各智能体从起始节点位置到目标节点位置的最短路径之前，还包括：读取仓储物流地图和预先分配好的拣取货物任务数据，并读取所有智能体的所述起始节点位置、所述目标节点位置及障碍物位置；根据所述仓储物流地图、所述拣取货物任务数据、所述起始节点位置、所述目标节点位置以及所述障碍物位置构建出相应的栅格化地图；相应的，所述调用基于冲突搜索的底层增量式A星算法规划出各智能体从起始节点位置到目标节点位置的最短路径，包括：读取所述智能体的起始节点的起始位置和目标节点的目标位置；构建底层OPEN列表，并将所述智能体的所述起始节点位置插入所述底层OPEN列表中；所述底层OPEN列表为存放所述栅格化地图的节点数据的列表；判断所述底层OPEN列表是否为空列表；如果所述底层OPEN列表为所述空列表，则判定所述智能体的最短路径规划失败；如果所述底层OPEN列表不为所述空列表，则从所述底层OPEN列表中选取出路径成本的最小值对应的节点得到当前节点，并删除所述底层OPEN列表中的所述当前节点；其中，所述路径成本的计算公式为：f(n)＝min(k(n)，g(n))+h(n)，n表示所述当前节点；f(n)表示路径成本计算函数；k(n)表示栅格节点信息函数，且s表示当前节点n的父节点，c表示所述父节点s到当前节点n的成本；g(n)表示估计函数，且g(n)＝|x
n
‑
x
start
|+|y
n
‑
y
start
|，x
start
和y
start
分别表示开始节点的横、纵坐标，x
n
和y
n
分别表示当前节点n的横、纵坐标；h(n)表示启发式函数，且h(n)＝|x
e
‑
x
n
|+|y
e
‑
y
n
|，x
e
和y
e
分别表示所述目标节点的横、纵坐标，x
n
和y
n
分别表示所述当前节点的横、纵坐标；判断所述当前节点是否为所述目标节点；如果所述当前节点为所述目标节点，则利用回溯算法求解出所述智能体从所述起始位置到所述目标位置的最短路径。3.根据权利要求2所述的动态环境下的多智能体路径规划方法，其特征在于，所述判断所述当前节点是否为所述目标节点之后，还包括：如果所述当前节点不为所述目标节点，则将所述当前节点确定为父节点，并向邻近的预设方向扩展得到扩展后父节点，并生成各所述扩展后父节点对应的子节点；判断所述子节点对应的子节点位置是否存在障碍物；
如果所述子节点位置存在所述障碍物，则删除所述子节点；如果所述子节点位置不存在所述障碍物，则判断所述子节点是否存在于所述底层OPEN列表中；如果所述子节点存在于所述底层OPEN列表中，则计算所述子节点的路径成本值；确定出所述路径成本的最小值对应的子节点得到目标子节点，并保存所述目标子节点；如果所述子节点不存在于所述底层OPEN列表中，则将所述子节点保存至所述底层OPEN列表，并重新执行所述判断所述底层OPEN列表是否为空列表的步骤及其后续步骤，直至搜索出所述目标节点。4.根据权利要求3所述的动态环境下的多智能体路径规划方法，其特征在于，所述调用基于冲突搜索的底层增量式A星算法规划出各...

【专利技术属性】
技术研发人员：邓辅秦，谭朝恩，刘辉杰，官桧锋，黄焕钊，林天麟，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：