基于粒子群优化算法的AGV路径规划

摘要

针对粒子群优化(PSO)算法应用于自动导引车(AGV)路径规划时迭代次数较多、收敛速度慢以及生成路径转弯次数多,影响生产效率等问题,提出一种具有遗传因子的粒子群优化算法.引入自适应惯性权重提高算法收敛性,借鉴遗传算法交叉、变异的思想对粒子进行交叉、变异操作增加种群多样性,有效减少算法迭代次数、提高收敛速度,使算法快速产生全局最优解.在算法适应度函数中引入转弯次数因素,减少路径转弯次数,降低路径复杂度.MATLAB仿真实验结果表明:优化后的PSO算法可以有效降低迭代次数,提高收敛速度,简化路径复杂度,得到全局最优路径.