电子商务仓库中自主移动机器人的高效路径规划：一种结合动态重新规划的改进粒子群优化方法

《Journal of Computational Science》：Efficient Path Planning for Autonomous Mobile Robots in E-Commerce Warehouses: An Improved Particle Swarm Optimization Approach with Dynamic Replanning

自主移动机器人和自动导引车的动态路径规划研究提出DPSOSM算法，融合实时动态重规划机制和平滑优化策略，有效解决电商仓库中静态与动态障碍物的路径冲突问题，提升导航效率与避障适应性。

　　

曾世琪|赖志明|刘宇驰|刘家祖|郭伟明|邱春志

国立阳明交通大学工业工程与管理系，新竹300，台湾

摘要

电子商务的迅速发展推动了自动移动机器人和自动化引导车辆在配送中心和仓库中的应用，以优化物流效率。然而，传统的路径规划方法主要针对静态环境，这限制了它们在动态仓库环境中的适应性，因为在动态仓库环境中，人类操作员、叉车和其他机器人经常会阻碍计划的路线。本研究提出了一种改进的算法，称为具有平滑机制的动态路径粒子群优化（DPSOSM），该算法集成了一种动态重新规划机制，可以在不显著增加计算复杂性的情况下实时处理意外障碍。所提出的平滑机制（SM）通过减少不必要的转弯来进一步优化生成的路径，确保在仓库环境中的导航更加顺畅和高效。实验结果表明，DPSOSM在路径长度、计算效率和适应动态障碍方面优于传统算法。统计分析证实了其稳健性，大规模模拟验证了其在实际物流场景中的有效性。所提出的方法可以显著提高自动化电子商务配送中心的效率，实现更快的订单处理、降低运营成本并改善最后一公里的配送性能。

引言

在现代供应链网络和制造业中，先进设备、物联网（IoT）和人工智能（AI）技术的整合显著提高了系统效率和自动化水平。随着电子商务的快速增长，亚马逊（Amazon）、京东（JD.com）和阿里巴巴（Alibaba）等公司越来越多地采用自动移动机器人（AMRs）和自动化引导车辆（AGVs）来优化物流运营、减少配送时间并高效处理大量订单。自动化仓库和配送中心现在依赖智能机器人进行物料处理、订单拣选和实时库存管理，这需要强大的路径规划算法来确保运营顺畅。

在电子商务仓库中，AGVs和AMRs必须在高度动态的环境中导航，其中人类工人、叉车和其他机器人的移动具有不确定性，尤其是在黑色星期五（Black Friday）和光棍节（Singles’ Day）等购物高峰期。与大多数障碍物固定的传统制造环境（例如机器和存储架）不同，配送中心需要能够有效避开静态和动态障碍的适应性导航策略。虽然传统的路径规划方法主要针对静态环境，但实际操作需要实时重新路由机制来防止碰撞并保持运营效率。

有效的机器人路径规划实现了几个关键目标：首先，它通过确保机器人以最短的时间完成任务来提高效率[1]；其次，它通过使机器人能够避开障碍物并在复杂环境中导航来确保操作安全和稳定性[2]、[3]。在电子商务物流中，优化的路径规划对于减少订单处理时间、最小化仓库拥堵和改善最后一公里配送性能至关重要。然而，尽管许多研究集中在静态环境中的路径规划上，实际应用需要能够动态响应障碍物的自适应算法，以确保自动化配送中心的物流流程不中断。

尽管路径规划已广泛应用于无人机（UAV）路线规划[4]、农业移动机器人[5]和航空紧急救援路线规划[6]等领域，但大多数这些研究都是在静态障碍物假设下进行的，这限制了它们在高度动态环境中的适用性。例如，现有的启发式优化方法，如粒子群优化（PSO）[7]、模拟退火（SA）[8]、蚁群优化（ACO）和遗传算法（GA）[9]在静态环境中取得了成功，但在实时仓库物流环境中难以有效适应。最近的进展，如混合进化算法[10]、[11]、[12]，试图改进路径规划性能，但很少有研究明确关注电子商务配送中心面临的挑战，即机器人必须不断根据订单需求的波动和动态变化的障碍物调整路线。

因此，本研究提出了一种针对电子商务物流和自动化仓库的改进型基于PSO的路径规划算法。所提出的PSO结合了动态重新规划模块（称为DPSOSM）用于动态障碍物避让，以及最小化不必要的转弯的平滑机制（SM），从而确保更顺畅和高效的导航。本研究的主要贡献如下：（1）一种结合了仓库环境中实际障碍物动态重新规划的改进型PSO方法；（2）对方向选择和SM整合的优化，以提高导航效率并最小化路径偏差；（3）通过使用13张基准地图和21张随机生成的地图进行的大规模模拟验证。统计分析表明，所提出的算法能够快速识别可行的较短路径，并在遇到动态障碍物时有效重新规划路线，从而实现连续无碰撞的导航。

本文的其余部分安排如下。第2节介绍和回顾了相关工作，包括路径规划问题、问题描述和PSO。第3节介绍了所提出的方法论，包括PSO的改进更新机制、SM以及在具有静态和动态障碍物的环境中的应用。第4节描述了数值实验，包括参数设置、与其他进化方法的性能比较以及在确定性和随机环境中的敏感性分析。最后，第5节总结了结论并概述了潜在的未来研究方向。

部分摘录

具有静态或动态障碍物的路径规划问题

本节将讨论与路径规划问题相关的应用和算法。首先，传统的路径规划算法包括贝尔曼-福特算法（Bellman-Ford algorithm）、迪杰斯特拉算法（Dijkstra’s algorithm）和A*算法。贝尔曼-福特算法的优点在于其全面的考虑，但执行速度较慢[13]。迪杰斯特拉算法减少了点与点之间的往返距离，从而提高了路径规划效率[14]。在[15]中，他们

提出的方法论

本节介绍了所提出的PSOSM框架，包括四个主要组成部分：（1）用于路径规划的PSO的改进更新机制；（2）消除不必要的路径段的SM；（3）用于实时导航的动态障碍物避让策略；（4）用于效率评估的计算复杂性分析。

数值计算与讨论

在本节中，我们将验证PSOSM和DPSOSM在不同地图上的有效性和效率。第4.1节将探讨PSOSM的参数选择；第4.2节将讨论PSOSM在解决最短路径问题方面的性能与其他算法在各种实验条件下的比较；第4.3节将检验PSOSM在具有随机生成障碍物的大地图中的路径寻找性能；第4.4节将展示不同参数的敏感性分析

结论

本研究解决了具有静态和动态障碍物环境中AGVs和AMRs的路径规划问题，重点在于提高导航效率和适应性。随着电子商务物流中对机器人自动化的依赖日益增加，配送中心必须确保快速高效的订单处理，同时处理不可预测的障碍物，如移动中的工人、叉车和其他机器人。传统的路径规划方法在这种高度动态的环境中往往难以应对。

作者贡献声明

郭伟明：可视化、形式分析、数据整理。刘家祖：可视化、形式分析、数据整理。刘宇驰：监督、方法论、概念化。赖志明：监督、方法论、概念化。邱春志：撰写——审稿与编辑、资源准备、方法论、概念化。曾世琪：撰写——初稿、验证、方法论、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢

本工作得到了中华人民共和国国家科学技术委员会的支持[资助编号110-2221-E-167-027、111-2221-E-224-064和112-2221-E-027-MY2]。