23、工业物流中的多智能体路径规划与碰撞处理策略

工业物流中的多智能体路径规划与碰撞处理策略

1. 引言

在工业 4.0 和网络物理生产系统的背景下，生产物流对于实现整体制造目标的重要性日益凸显。随着客户对产品变体数量的需求增加以及产品生命周期的缩短，生产批量变小，这给生产环境带来了诸多挑战。利用自主运输资源可以提高物流效率，因为它们能够在分散层面上自我组织，但如何平衡其自主性与中央规划目标是一个挑战，其中多智能体路径规划（MAPF）和碰撞处理是关键问题。

2. 现状概述

2.1 物流与移动资源

自动导引车（AGV）广泛应用于单智能体和多智能体场景，主要集中在物流系统，如码头集装箱运输、仓库和生产线的运输服务。过去，AGV 主要用于运输，如今其功能不断拓展。常见的 AGV 类型包括单元负载、牵引、平行卡车、叉车、轻负载和装配线车辆等，此外，无人机也开始在仓库中进行测试。AGV 系统的研究还涉及车辆设计、传感器、导航、定位、车辆控制和智能体间通信等方面。

2.2 多资源路径规划

经典的 MAPF 问题输入为 (G, s, t)，其中 G = (V, E) 是无向图，V 为顶点表示位置，E 为边；s 将智能体映射到起始顶点，t 将智能体映射到目标顶点。常见的路径规划算法如下：
|算法名称|特点|
| ---- | ---- |
|Dijkstra 算法|计算无向网格中两顶点间的最短路径|
|A 算法|使用启发式方法估计起始顶点到目标顶点的距离，预选合适的顶点|
|D 算法（Dynamic A ）|A 算法的扩展，能适应变化的环境|
|D Lite 算