基于CiteSpace的AGV路徑規(guī)劃研究熱點分析

劉羽飛，張緒美，梁曉磊

(武漢科技大學汽車與交通工程學院,湖北 武漢 430065)

0 引 言

自動導引車(Automated Guided Vehicle， AGV)是裝備有電磁或光學等自動導引裝置，由計算機控制，以輪式移動為特征，自帶動力或動力轉(zhuǎn)換裝置，并且能夠沿規(guī)定的導引路徑自動行駛的運輸工具，一般具有安全防護、移載等多種功能。AGV具有高自動化的特點，被廣泛應用于制造業(yè)、倉儲業(yè)等領(lǐng)域。

Le-Anh等[1]及Vis[2]在其文獻中闡明了AGV應用過程中所面臨的各種問題，并指出路徑規(guī)劃問題是最值得考慮的問題之一。

國內(nèi)外對AGV路徑規(guī)劃均有大量研究，縱觀已有研究成果，雖然涉及面非常廣泛，對AGV路徑規(guī)劃研究的切入點也各有不同，但沒有對文獻綜述展開研究，不能準確掌握領(lǐng)域研究熱點與進展。本文采用關(guān)鍵詞分析的方法，對AGV物流領(lǐng)域路徑規(guī)劃文獻進行搜集整理，系統(tǒng)地進行分析，旨在將現(xiàn)有學者研究成果進行分類總結(jié)，概括出該學科研究熱點，對今后學者確立研究方向與內(nèi)容起到一定的參考作用。

1 研究方法與數(shù)據(jù)搜集

1.1 研究方法

本文采用關(guān)鍵詞可視化分析法，運用CiteSpace對題錄結(jié)果進行數(shù)據(jù)統(tǒng)計與可視化分析，繪制AGV路徑規(guī)劃知識圖譜。

通過CiteSpace軟件統(tǒng)計的數(shù)據(jù)對關(guān)鍵詞詞頻與中介中心性進行排序?qū)Ρ鹊贸鲅芯繜狳c是一種被廣泛應用的研究方法[3-4]。詞頻(Frequency)是指不同節(jié)點類型(Node types)在某一領(lǐng)域的分析數(shù)據(jù)中出現(xiàn)的次數(shù)，可以通過統(tǒng)計某種節(jié)點類型的頻數(shù)的高低來計量分析某領(lǐng)域的研究現(xiàn)狀,代表著對此關(guān)鍵詞研究量的多少，頻次代表了學術(shù)界的認可度，反映了相應的學術(shù)貢獻[5-6]。中介中心性(Centrality)是由Freeman[7]提出的用于測量網(wǎng)絡中個體地位的計量指標，是社會網(wǎng)絡分析的主要指標之一。它是指網(wǎng)絡中經(jīng)過某點并連接這2點的最短路徑占這2點之間的最短路徑線總數(shù)之比，是測量網(wǎng)絡節(jié)點在網(wǎng)絡圖譜中對資源控制程度的一個中心性指標，從科學計量的角度來看，中心性越大，傳遞的信息越重要[8]。頻次與中介中心性均位于前列的關(guān)鍵詞足以反映領(lǐng)域的研究熱點。

1.2 數(shù)據(jù)搜集

對中文外文文獻進行對比分析，中文文獻通過中國知網(wǎng)以“AGV路徑規(guī)劃”為主題進行檢索，選擇庫為期刊、碩博士學位論文庫，時間跨度為2010-2019年，選取近十年文獻作為研究對象,可以良好地反映出領(lǐng)域的發(fā)展，不會因時間跨度較短而使結(jié)果具有片面性；外文文獻通過Web of Science以對應中文主題的“automated guided vehicle path”為主題檢索，選擇庫為可以進行題錄導出的核心合集庫，近十年文獻數(shù)僅為105篇，由于外文文獻基數(shù)較小，不便于軟件的可視化分析，而將時間擴展為所有年份，檢索結(jié)果中最早文獻為2006年，檢索文獻數(shù)共134篇，時間跨度仍處于15年以內(nèi)，具有分析價值，所以最終選擇時間跨度為2006-2019年。

2 研究熱點分析

2.1 中文文獻分析

2.1.1 中文研究熱點確立

通過第1.2節(jié)文獻搜集方法，在中國知網(wǎng)共檢索到386篇文獻，將所有文獻的題錄導出至CiteSpace，軟件基于題錄中包含的信息進行統(tǒng)計研究。通過人工將同義異性關(guān)鍵詞進行合并，并將關(guān)鍵詞中心性大小以節(jié)點面積表示，共現(xiàn)關(guān)系及頻次以連線粗細表示，運行程序結(jié)果如圖1所示。

圖1 中文關(guān)鍵詞共現(xiàn)圖譜

關(guān)鍵詞頻次與中心性排序結(jié)果如表1所示。選取頻次與中心性均位于前列的關(guān)鍵詞作為研究熱點進行述評。其中Dijkstra算法、A*算法、蟻群算法、遺傳算法均為對算法的研究，合并為一類進行述評。其余熱點關(guān)鍵詞相對獨立，單獨述評。最終得到熱點關(guān)鍵詞如下：

①路徑規(guī)劃算法的研究：Dijkstra算法、A*算法、遺傳算法、蟻群算法及改進算法等。

②任務調(diào)度。

③時間窗。

④激光導航。

表1 中文關(guān)鍵詞詞頻與中心性排序

2.1.2 中文研究熱點述評

針對上一節(jié)得到的中文文獻研究熱點，本節(jié)進行詳細述評分析。

1)路徑規(guī)劃算法。

算法作為解決AGV路徑規(guī)劃問題最關(guān)鍵的一個步驟，算法的優(yōu)劣直接決定路徑的結(jié)果。根據(jù)CiteSpace統(tǒng)計結(jié)果，包含各類算法(包含其改進算法)的論文數(shù)量隨年份變化對比結(jié)果如圖2所示。

圖2 算法對比分析圖

由圖2可知，代表著傳統(tǒng)算法的A*算法與代表著智能算法的遺傳算法均有著很高的熱度。AGV路徑規(guī)劃問題是NP-hard問題，傳統(tǒng)算法適用于靜態(tài)環(huán)境下的全局路徑規(guī)劃，能獲得最優(yōu)解。而隨著環(huán)境復雜程度的增加與動態(tài)因素的干擾，傳統(tǒng)算法出現(xiàn)了求解效率低、魯棒性不足的缺陷，智能算法則更具優(yōu)勢。

已有很多研究[9-10]證實用A*算法進行全局路徑規(guī)劃是可行的。而隨著AGV應用的發(fā)展，工作環(huán)境變得愈發(fā)復雜，單一的全局路徑規(guī)劃已不能滿足多AGV的共同運作。采用全局與局部路徑規(guī)劃結(jié)合的方法，成為新的熱點研究趨勢。張旭等[11]先用A*算法生成局部目標節(jié)點序列，再用人工勢場法進行局部路徑規(guī)劃，達到不僅生成全局最優(yōu)路徑并能及時避障的目標。

遺傳算法由美國的J.Holland教授1975年首先提出，在路徑規(guī)劃領(lǐng)域有著廣泛的應用，對靜態(tài)路徑規(guī)劃[12-13]與動態(tài)路徑規(guī)劃[14]都取得了良好的結(jié)果。

不同學者通過對遺傳算法的各個環(huán)節(jié)進行改進優(yōu)化，從而使遺傳算法應用于不同的問題中。

初始化階段，夏謙等[15]采用結(jié)合蟻群算法的方式解決傳統(tǒng)遺傳算法產(chǎn)生初始種群時存在無效路徑的問題。選擇運算階段，李慶中等[16]通過把路邊約束、動態(tài)避障要求和最短路徑要求融合成一個簡單的適度函數(shù)從而實現(xiàn)AGV的動態(tài)路徑規(guī)劃。劉二輝等[17]結(jié)合灰狼算法對遺傳算法選擇運算環(huán)節(jié)作出改進，避免了傳統(tǒng)策略使種群多樣性變差的缺點，增強了全局搜索能力。王雷等[13]采用錦標賽選擇和最優(yōu)保存策略相結(jié)合的方式進行選擇，以提高算法的收斂速度。目前應用最廣泛的交叉運算方法有：單點交叉、兩點交叉、一致交叉；變異運算方法有：基本變異、逆轉(zhuǎn)變異、自適應變異[16]。

總體來說，傳統(tǒng)算法只能解決單一的靜態(tài)路徑問題，而智能算法更適用于復雜的建模問題，有著優(yōu)良的性能，但仍存在著不足之處。遺傳算法具有較強的全局搜索能力，但也有易出現(xiàn)早熟和陷入局部最優(yōu)解的問題；粒子群算法設定參數(shù)少，算法簡潔易實現(xiàn)，收斂速度比較快，但有時由于種群在搜索空間中多樣性的丟失而易陷入局部最優(yōu)；蟻群算法的魯棒性強，但卻容易陷入局部最優(yōu)解且收斂速度慢。

2)AGV調(diào)度。

自動導引小車的調(diào)度是AGV領(lǐng)域的另一大研究問題，可描述為通過將多個任務分配給合適的AGV并指派先后順序，按照給定的路線運行，從而達到系統(tǒng)需求的目標。從整體性的角度而言，對于構(gòu)建完整的AGV系統(tǒng)，調(diào)度問題與路徑規(guī)劃問題緊密相關(guān)。AGV的行駛路程常被作為調(diào)度模型的重要性能指標之一。鄭海麗等[19]進行路徑規(guī)劃研究，將小車運行時間作為AGV調(diào)度的指標；孟沖等[20]以總體運行時間為優(yōu)化目標，其本質(zhì)仍與AGV路徑規(guī)劃相關(guān)。

與路徑規(guī)劃問題類似，調(diào)度問題同樣可以分為靜態(tài)調(diào)度與動態(tài)調(diào)度。靜態(tài)調(diào)度指針對系統(tǒng)某一靜態(tài)時刻，解決AGV任務指派與排序、任務執(zhí)行時序問題，模型雖然簡單，但環(huán)境適應性較差；動態(tài)調(diào)度則在動態(tài)擾動情況下(任務變更、設備故障、沖突死鎖等)，實時更新系統(tǒng)狀態(tài)，在線求解任務分配方案。AGV調(diào)度的主要方法有：傳統(tǒng)分析方法、建模與仿真方法、智能優(yōu)化方法、混合優(yōu)化方法等[21]。在現(xiàn)有文獻中，AGV路徑規(guī)劃與調(diào)度往往被作為一個整體的問題進行研究，并未有明確的劃分，這也導致了二者研究分類與方法的高度相似性。

3)時間窗。

時間窗避障是指通過對AGV行駛過程中通過不同位置的時間集合進行記錄，實現(xiàn)小車的無碰撞行駛。賀麗娜等[22]首次系統(tǒng)化利用全局路徑規(guī)劃與時間窗相結(jié)合解決無碰撞路徑規(guī)劃問題。他們采用Dijkstra算法先對單個小車進行路徑規(guī)劃，并記錄時間窗信息，在此基礎上再進行下一小車的路徑規(guī)劃。這個思路也被后續(xù)研究廣泛應用[23]。胡彬等[24]采用另一種思路，先完成各車靜態(tài)路徑規(guī)劃，再進行時間窗的排布與調(diào)整。泰應鵬等[25]同樣采用第二種思路，并加入了AGV動態(tài)分配優(yōu)先級的策略，提升了系統(tǒng)效率。上述文獻均采用最短路徑作為AGV路徑規(guī)劃時的指標，并未考慮運行時間，沒有充分利用路段的時間資源，張崢煒等[26]提出了這一問題，采用了行駛時間最短作為規(guī)劃指標，并進行了算法仿真對比實驗。

時間窗通過與A*算法或Dijkstra算法結(jié)合，實現(xiàn)了從單AGV向多AGV路徑規(guī)劃的轉(zhuǎn)換，具有重要的研究意義，但采用時間窗法現(xiàn)有研究仍存在著僅適用于AGV數(shù)量規(guī)模較小的系統(tǒng)，若增加AGV數(shù)量，則會使計算復雜度快速上升。

4)激光導航。

常見的AGV導航方式有電磁導航、磁帶導航、視覺導航、激光導航等。激光導航開始于90年代初期，不需要對地面進行任何處理，在AGV的行走區(qū)域安裝位置精確的激光反射板，AGV通過其上的激光掃描儀發(fā)射激光并采集由不同角度的反射板反射回來的激光光束，利用三角或三邊幾何定位算法，確定當前小車的位置和方向，并通過連續(xù)定位算法實現(xiàn)AGV的導引。由于其定位精確、柔性好、便于隨環(huán)境變動而被廣泛應用。國內(nèi)針對激光導航研究的文獻多集中于學位論文，且此類論文相對于路徑規(guī)劃的研究，更側(cè)重于對AGV控制系統(tǒng)的設計。唐天曉[27]在論文中探討了最新的無反光板激光導航，推導出小車的運動學方程，并從硬件、軟件2個方面實現(xiàn)了對AGV的控制；路程[28]在論文中對車載系統(tǒng)和上位機系統(tǒng)進行了整體設計。

激光導航是目前應用最為廣泛的導航方式，具有廣闊的市場，隨著技術(shù)的發(fā)展，不設置反射板進行激光導航等技術(shù)都是未來研究的熱點。

2.2 外文文獻分析

2.2.1 外文研究熱點確立

通過第1.2節(jié)文獻搜集方法，在Web of Science共檢索到134篇文獻，將題錄導入CiteSpace進行分析。將同義關(guān)鍵詞合并后運行程序，可視化結(jié)果如圖3所示。

圖3 外文關(guān)鍵詞共現(xiàn)圖譜

將關(guān)鍵詞以頻次與中心度進行排序，結(jié)果如表2所示。

由表2可知，中心性與頻次均位于前列的外文文獻研究熱點為algorithm(算法)、flexible manufacturing system(柔性制造系統(tǒng))、AGV system(AGV系統(tǒng))、material handling system(物料處理系統(tǒng))、design(設計)、layout(布局)、optimization(優(yōu)化)。由于其中的動詞性短語，如設計、優(yōu)化不能表達文章的核心內(nèi)容，僅為作者意圖的抽象表達，所以本文只對其中具有實際意義的名詞性熱點關(guān)鍵詞進行述評。

表2 外文關(guān)鍵詞詞頻與中心性排序

2.2.2 外文研究熱點述評

外文研究熱點包含范圍廣且相互之間有著緊密的聯(lián)系，flexible manufacturing system與material handling system代表著AGV應用的場景，是研究的背景；AGV system是對系統(tǒng)整體的研究，是研究的對象；layout是路徑規(guī)劃研究的補充與擴展；algorithm則是解決問題的關(guān)鍵方法。往往許多論文是以上多個熱點的交叉研究成果。

1)flexible manufacturing system與material handling system。

柔性制造系統(tǒng)(Flexible Manufacturing System, FMS)是一種智能化、高度集成化、協(xié)同化的生產(chǎn)系統(tǒng)，是AGV應用最為廣泛的場景。FMS通常包括2個基本部分：物料處理系統(tǒng)(material handling system)和制造系統(tǒng)(manufacturing system)。區(qū)別于傳統(tǒng)的制造系統(tǒng)，F(xiàn)MS更強調(diào)機器與AGV的配合。多功能機器負責制造各種類型的產(chǎn)品，而自動導引車(AGV)負責向機器輸送材料。通過二者合理地調(diào)配才能保證系統(tǒng)高效的運行，因此調(diào)度、路徑規(guī)劃、機器布局等問題是FMS下主要研究的對象。

早期一些學者研究了機器與AGV的調(diào)度問題。Ulusoy等[29]提出了一種調(diào)度算法，將AGV調(diào)度與FMS環(huán)境中的總體活動調(diào)度集成在一起，并利用這2個方面之間的相互作用。他們在文獻[30]中假設沒有車輛碰撞，制定了非線性混合整數(shù)規(guī)劃模型，并提出了一種基于時間窗的啟發(fā)式算法。后來的研究中，他們還提出了一種遺傳算法來同時解決機器調(diào)度和AGV調(diào)度問題[31]。

上述研究僅針對柔性制造系統(tǒng)中的調(diào)度問題，卻沒有考慮車輛碰撞與路由問題。Lyu等[32]著眼于柔性制造系統(tǒng)中的機器和AGV調(diào)度問題，同時考慮了AGV的最佳數(shù)量、最短的運輸時間、路徑規(guī)劃問題和無沖突路由問題(CFRP)，為了同時研究這些問題，他們提出了一種基于時間窗的遺傳算法與Dijkstra相結(jié)合的算法。Umar等[33]研究了FMS環(huán)境下作業(yè)和AGV的綜合調(diào)度、任務分配和無沖突路由問題，提出了一種混合多目標的遺傳算法進行求解。

FMS中的material handling system作為自動導引小車應用最為廣泛的場景，有著廣闊的研究前景，是一直以來研究的熱門方向。

2)layout。

車間布局問題是在物料搬運系統(tǒng)下研究的一個重要問題，與路徑規(guī)劃問題有著緊密的聯(lián)系。Tubaileh對機器布局問題進行了許多研究，其在文獻[34]中提出了一種解決方案和算法用于確定自主材料處理系統(tǒng)(例如移動機器人或自動導引車)的最佳機器布局。不同于以前的工作，通過優(yōu)化設施之間的距離來解決布局問題，其在優(yōu)化物料搬運系統(tǒng)的行程時間的基礎上解決了機器布局問題。在文獻[35]中將機器沿AGV路徑水平布置以減少總成本，并利用蟻群算法與模擬退火算法對單、雙、多排機器布局最優(yōu)解以及最優(yōu)機器布置進行了求解。布局設計和物料搬運系統(tǒng)設計是設施規(guī)劃的2個主要方面。傳統(tǒng)設施規(guī)劃的方法分為2個步驟：第一步，構(gòu)建塊布局，即車間中各部門的位置；第二步，設計物料搬運系統(tǒng)。然而對問題的這2個方面進行單獨的優(yōu)化會導致達不到全局最優(yōu)解。Sedehi等[36]則以單回路AGV系統(tǒng)為目標，將二者整合起來設計了一個算法進行求解。

3)AGV system。

AGV系統(tǒng)研究是對AGV運行過程中存在的各類問題進行組合研究，通常包含的問題有導向路徑設計、確定車輛需求、車輛調(diào)度、閑置車輛定位、電池管理、車輛路線和死鎖解決[1]，不同的問題之間存在著交互與關(guān)聯(lián)。其中系統(tǒng)規(guī)劃方面的問題(調(diào)度、路徑規(guī)劃與死鎖解決)一直是學者研究的主要方面，而對車輛管理方面的研究有所欠缺。Yan等[37]針對AGV發(fā)生故障時的維護方式進行了研究，分析了多AGV系統(tǒng)中故障AGV回收過程中維修地點位置的變化對回收效率的影響。同時隨著技術(shù)的發(fā)展，AGV系統(tǒng)中控制方面的問題也開始受到了關(guān)注。目前AGV系統(tǒng)多采用一個集中控制器，它可以沿著預定的路徑向車輛發(fā)送運輸任務。雖然這種方法更容易確保系統(tǒng)的正確運行，但它有幾個缺點：路徑必須提前規(guī)劃，不僅耗時而且可能不是最優(yōu)結(jié)果；同時隨著車輛數(shù)量的增加，集中式控制不能很好地進行擴展。Draganjac等[38]提出了一個分散控制的方法，其中每輛車規(guī)劃自己的路徑來完成指定的任務，并與其他車輛協(xié)商通行權(quán)，以避免碰撞。

4)algorithm。

算法同樣是外文文獻的研究熱點，研究內(nèi)容主要分為2個方面：算法性能的改進優(yōu)化與算法應用的創(chuàng)新。

將不同算法進行綜合成為混合優(yōu)化算法是研究的熱點方向，此舉可以使其優(yōu)點互為補充，避免單一方法的缺陷，因此混合優(yōu)化方法有時能取得更好的效果。Mousavi等[39]將遺傳算法與粒子群算法進行綜合來解決FMS中的AGV多目標調(diào)度問題，目的是在考慮AGV電池電量的同時最大程度地減少AGV的制造時間和數(shù)量。同時將混合算法與單獨算法結(jié)果進行比較，驗證了算法的優(yōu)越性。

將智能算法應用于調(diào)度與路徑規(guī)劃組合問題上是一個新的思路。Yi等[40]改進了蟻群算法的啟發(fā)式信息，通過作業(yè)處理序列和處理時間來比較作業(yè)的相似性。同時將目標問題分為路徑規(guī)劃和調(diào)度2個問題。蟻群算法用于尋找路徑和調(diào)度，并將路徑的結(jié)果反饋給調(diào)度，調(diào)度結(jié)果給出路徑規(guī)劃的目標。Saidi-Mehrabad等[41]采取類似的方法，提出了兩階段蟻群算法，在階段1，將作業(yè)序列遞送到AGVS，在階段2，優(yōu)化AGV選擇的路徑以完成作業(yè)的處理路線。

本文對外文文獻中AGV路徑規(guī)劃問題研究所采用的算法總結(jié)如表3所示。

表3 AGV路徑規(guī)劃外文文獻算法分類

3 中外文文獻對比

通過對國內(nèi)外文獻的系統(tǒng)分析，可以發(fā)現(xiàn)研究熱點有著許多異同之處。主要的相似點如下：

1)采用的算法種類與改進方向大體相同。傳統(tǒng)算法對尋找最短路徑有著很好的效果，國內(nèi)外學者均有采用，而對復雜的帶有約束條件的路徑規(guī)劃則屬于NP-hard問題，采用智能算法能很好地進行解決。對智能算法的應用也由經(jīng)典的單一算法向適應特定模型進行改進，或?qū)⒍鄠€算法組合互補來優(yōu)化算法。

2)隨著AGV應用的普及，在工作環(huán)境中，往往是多臺AGV或AGV與其他設備協(xié)同運作，影響系統(tǒng)整體效率的不僅僅是小車的路徑，將AGV路徑規(guī)劃問題與其余有聯(lián)系的問題共同進行研究，特別是調(diào)度問題與路徑規(guī)劃問題的協(xié)同研究成為了國內(nèi)外文獻共同的熱點。同時不僅限于AGV的調(diào)度，與其他物料處理環(huán)節(jié)的共同調(diào)度優(yōu)化逐漸成為新的研究方向。

3)在研究越來越注重應用價值的趨勢下，單一的路徑規(guī)劃問題已不能滿足需求，而包含多個問題的共同建模，才能更好地描述實際應用場景。國內(nèi)外研究均開始向靈活多變的動態(tài)路徑規(guī)劃問題靠攏，如何對系統(tǒng)中出現(xiàn)的各種干擾進行快速的響應是未來的研究方向。同時針對大型AGV系統(tǒng)的研究也在逐步深入，研究的主要問題有：現(xiàn)有模型能否直接套用；流程布局的設計；車輛拾取點與交付點的選??；考慮電池問題與故障的建模等。

研究的差異則在于以下幾點：

1)國內(nèi)文獻在研究時更注重對不同算法的比較，更為嚴謹。既有從計算復雜度進行對比研究，也有從模型求解結(jié)果來進行對比研究。外文文獻則較少進行此類工作，而是把側(cè)重點放在模型的構(gòu)建。國內(nèi)部分研究將路徑規(guī)劃問題類同于運籌學中的經(jīng)典模型，此舉雖能使求解順利，但卻過于理想化，忽略了實際應用中的各種變化。

2)國外AGV發(fā)展較早，研究體系更為成熟，研究內(nèi)容也更偏向具體的應用場景。福特汽車公司于1913年將最早的自動搬運車用到汽車底盤裝配上，到了20世紀50年代中期，英國人首先去掉了地面上的導引軌道采用地板下埋線，組成了以電磁感應導引的AGVS，1959年AGV用到倉儲自動化和企業(yè)生產(chǎn)作業(yè)上。而在我國1976年，北京起重機械研究所才研制出第一臺AGV，同時最早應用上AGV的是煙草行業(yè)。因此外文文獻中高頻次出現(xiàn)了柔性制造系統(tǒng)與物料搬運系統(tǒng)，中文文獻中“煙草”雖未能成為熱門關(guān)鍵詞，但也在早期文獻標題中有所體現(xiàn)。不同領(lǐng)域最大的區(qū)別在于所使用的AGV數(shù)量、運輸請求數(shù)量、AGV占用程度、運輸距離以及接送站和送貨站數(shù)目，從而使研究各具創(chuàng)新點。

3)由于中外文文獻寫作方式以及關(guān)鍵詞選取習慣的差異，中文文獻多為短篇期刊論文與學位論文。期刊論文研究內(nèi)容多呈細而精的特點，特別是針對算法方面的研究，已取得豐厚的成果。但此舉會造成研究缺乏整體性，建立在諸多前提假設上，實際應用價值不如外文文獻。而學位論文雖更具全局觀，但研究深度卻有所欠缺。外文文獻研究問題更具系統(tǒng)整體性，除路徑規(guī)劃問題以外，對機器布局以及綜合調(diào)度等能影響柔性制造系統(tǒng)整體運作效率的問題也進行了充分研究，中文文獻方面則有所欠缺。

AGV的發(fā)展可以在一方面體現(xiàn)出物流業(yè)的發(fā)展。隨著國家工業(yè)的發(fā)展以及對物流行業(yè)的逐漸重視，我國物流已進入新時期，舊動能不足以支撐物流產(chǎn)業(yè)的發(fā)展，新動能逐漸替代舊動能。理念創(chuàng)新引領(lǐng)物流發(fā)展，智慧物流的提出、多式聯(lián)運的熟練運用、無車承運人的合法化等創(chuàng)新理念逐步滲透物流的各個環(huán)節(jié)。同時電商快遞行業(yè)的崛起也促進了各式先進的物流的快速發(fā)展，無人倉、AGV、無人機等已成為今后主流的物流技術(shù)。雖然我國物流行業(yè)起步與機械化設備的應用相對較晚，但在國家政策的鼓勵以及作為第一工業(yè)大國的背景下，發(fā)展十分迅速，越來越多新的技術(shù)進入到了學者們的研究范圍之內(nèi)，與國外的差距也正逐步縮小。

4 AGV路徑規(guī)劃研究展望

現(xiàn)有研究已取得重要進展，從研究成果來看，未來AGV路徑規(guī)劃的研究將會著重以下幾方面：

1)結(jié)合不同算法特點，進行組合優(yōu)化。

智能算法有著良好的性能，但仍存在不足之處。由于各類算法本身機制原理的原因，通過改進算子的傳統(tǒng)改進方式往往不能徹底解決算法的劣勢。而將多種智能算法進行結(jié)合互補可有效保留各自算法本身的優(yōu)勢，并對劣勢進行互補，如何挖掘各類算法的特點，采用何種方式進行組合是今后研究值得關(guān)注的地方。

2)面向不同應用場景，進行針對性建模。

隨著研究越來越注重應用性，傳統(tǒng)的簡單模型已不能滿足各式應用場景。根據(jù)研究場景的特點及布局等方面進行針對性的建模，可使模型更符合實際應用。特別是針對大型活動區(qū)域，與前后端工藝流程的銜接等，勢必會大幅增加模型復雜度，其中面臨的系統(tǒng)整體優(yōu)化目標選取、約束條件制定、AGV避障等是今后研究所面臨的重要難題。

3)將路徑規(guī)劃問題與其他問題協(xié)同研究。

單一路徑規(guī)劃問題的研究已有豐厚的成果，而在實際應用中，AGV系統(tǒng)里除路徑規(guī)劃問題外還有許多其他問題，諸如與調(diào)度問題共同研究，體現(xiàn)了系統(tǒng)整體性；與AGV硬件共同研究，滿足多學科交叉研究的趨勢等。開拓思維，找尋出AGV系統(tǒng)運行過程中存在的各方面問題，不同問題之間的關(guān)聯(lián)，以及如何將有關(guān)的問題協(xié)同研究，是需要進一步探索的方向。同時隨著計算機技術(shù)的發(fā)展，AGV的作用絕不僅僅是簡單的運輸，而應向更加智能化、自動化的方向發(fā)展，與其他生產(chǎn)設備以及智能物流設施交互形成智能生產(chǎn)運輸網(wǎng)絡，是未來的發(fā)展趨勢。這其中也將會存在著許多問題等待學者們?nèi)ソ鉀Q。

5 結(jié)束語

本文通過CiteSpace軟件的分析，得出中外文文獻的研究熱點，對各個熱點進行逐一述評總結(jié)；最后對AGV路徑規(guī)劃未來研究方向進行展望。外國AGV應用較早，有著深厚的研究基礎，而隨著工業(yè)4.0時代的到來，我國AGV應用也逐漸普及，與國外先進生產(chǎn)系統(tǒng)的差距也逐步縮小，更在電商物流領(lǐng)域取得了良好的成果。通過對AGV路徑規(guī)劃及其他技術(shù)的發(fā)展研究勢必會帶動工業(yè)及倉儲業(yè)的革新與進步。