多目标粒子群算法在智能车间AGV路径规划中的应用优化

Abstract

针对智能车间多AGV协同路径规划中路径长度与碰撞风险两个冲突目标，提出一种改进的多目标粒子群优化算法。该算法采用栅格法对30×30车间环境进行建模，引入非支配排序和拥挤距离机制维护外部存档，设计变异算子增强种群多样性，并通过轮盘赌策略从Pareto前沿中选取全局最优解。仿真实验表明，所提MOPSO算法在Pareto解集数量、IGD和超体积三个评价指标上均优于单目标PSO、NSGA-Ⅱ和MOEA/D对比算法。敏感性分析进一步揭示了惯性权重和变异概率对算法性能的影响机制，验证了算法在60×60大规模车间中的良好可扩展性