.png){kind=icon}
返回
Research on AGV based on improved A-star algorithm
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-33653-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动导引车（AGVs）对于提升物流自动化效率至关重要。为解决复杂仓库环境中的路径规划低效问题，提出了一种改进的A-star算法。引入了一种三邻域搜索策略，整合了障碍物检测和动态方向调整以消除冗余节点遍历。此外，通过基于OPEN列表的预测代价加权系数开发了一种优化评估函数。在具有不同障碍物密度的大型地图上的比较仿真结果表明了该算法的优越性和鲁棒性。结果表明，与传统Dijkstra算法和传统A-star算法相比，所提出的方法分别减少了高达95.9%和37.6%的搜索节点遍历，并将计算时间缩短了94.8%，同时保持了最优路径长度。该算法在不同环境复杂度下均表现出一致的性能优势，验证了其适用于实时物流应用的扩展性和可靠性。此外，与最先进的规划器（如JPS、Theta*）的比较分析突显了其在标准A-star框架内平衡高性能与实现简单性的实践优势，确保了与实际AGV系统的便捷集成。
Keyword:
Automated guided vehicle (AGV)
Path planning
A-star
Three-neighborhood search strategy
Heuristic algorithm
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.0W
被引数:
83.5W
机构
引用论文
Research on Path-Planning Algorithm Integrating Optimization A-Star Algorithm and Artificial Potential Field Method.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏A Mobile Robot Path Planning Algorithm Based on Improved A* Algorithm and Dynamic Window Approach基于改进A * 算法和动态窗口的移动机器人路径规划算法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Bi-Directional Adaptive A* Algorithm Toward Optimal Path Planning for Large-Scale UAV Under Multi-Constraintsts多约束条件下大型无人机最优航迹规划的双向自适应A * 算法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏AAPF*: a safer autonomous vehicle path planning algorithm based on the improved A* algorithm and APF algorithmAAPF *: 基于改进的a * 算法和APF算法的更安全的自主车辆路径规划算法
PREAI
分享收藏
查看更多内容