基于改进TEB算法的多AGV任务分配与路径规划研究

打开文本图片集

中图分类号：TP18 文献标志码：A 文章编号：2095-2945（2026）01-0108-04

Abstract：Withthedeepapplicationofautomationtechnologyintheindustrialandservicesectors，multi-AGVcolaborative servicesystemshavebecomecoreequipmentforenhancingtheeficiencyoflogisticsdistributionandwarehousetransportation.To addressissuessuchasinsuffcientoptimizationoftotaltimeconsumption，poorreal-timeperformanceofalgorithms，andweak adaptabilitytodynamicscenariosincurentmulti-robottaskallcation（MRTA），theproblemcanbemodeledasasingle-depot multipletravelingsalesmanproblem（MTSP）.Thisinvolvesamulti-objectiveoptimizationaimedatminimizingtotaltravelcosts， reducing thelongestsingleAGVroute，andbalancing theworkloadacrossallAGVs.Thispaperdevelopsacolaborativeoptimization framework for AGV task allocation and path planning by integrating the K-means ++ clustering algorithm，genetic algorithm，andTEBalgorithm.AsimulationenvironmentwasbuiltusingGazeboandROS，andexperimentalvalidationdemonstrates thattheproposedalgorithmframeworkoutperformstraditionalmethodsintemsoftotalservicetime，loadbalancing，andresponsiveness to dynamic tasks，providing technical support for the effcient operation of multi-AGV systems.

Keywords：MultipleTravelingSalesmanProblem（MTSP）;K-means++; GeneticAlgorithm（GA）;Time ElasticBandAlgorith（TEB）; robot

MRTA是指在多机器人系统中，将一组任务（如配送、巡逻、检测）合理分配给多个机器人，同时优化全局目标（如效率、负载均衡、成本）的一类问题，涵盖任务建模、分配策略、冲突协调等多个层面，适用于各类多机器人协同场景（包括路径规划、装配协作、信息采集等），多旅行商问题（MTSP）是MRTA在“路径规划类任务”中的具体数学建模形式，多旅行商问题的相关研究已形成丰富的算法体系，其中“面向访问约束多旅行商问题的进化算法研究"创新提出基于中心决策的蚁群算法来解决访问冲突、提升收敛速度与全局搜索能力，通过对比交叉算子与信息熵子代选择策略维持种群多样性、避免局部最优；“多旅行商问题的遗传算法改进研究"提出策略池-自适应选择的改进遗传算法（SPAS-IGA）并在标准TSP问题上验证其有效性，再结合MTSP问题特征提出融入烟花算法思想与去同精英优选策略的策略池-烟花爆炸改进遗传算法（SPFE-IGA），有效提升了最大最小目标MTSP问题的求解精度与寻优效率；“求解多起点多旅行商问题的K-means聚类信息传播算法"，该算法在本文中通过引入交叉变异操作和自适应策略改进人工鱼群算法，显著提升了其在旅行商问题中的收敛速度与寻优精度，并成功将其应用于三维多点覆盖路径规划。（剩余4613字）