AGV路径规划问题是AGV研究领域的一个关键技术问题.针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法.最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验.仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性.

为了提高移动机器人点对点路径规划的性能，提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理，找出了导致算法“早熟”的搜索机制缺陷，提出了均匀粒子群算法，此算法改进了粒子群算法的搜索机制，保证了在迭代过程中的粒子多样性，克服了算法“早熟”问题；介绍了蚂蚁系统和蚁群系统算法的区别，提出了均匀粒子群蚁群融合算法，首先使用均匀粒子群算法搜索次优路径，在此路径上撤播信息素，然后使用蚁群算法寻找最优路径。实验结果表明，融合算法规划出的路径最短，而且迭代效率高、容错能力强。