本文针对目前大规模应用场景下多AGV运行路网的局部拥塞防止和负载均衡问题，提出了使用负载均衡改进的A*算法进行路径规划的方法。在计算AGV运行代价时，摒弃了传统A*算法只考虑单一运行路程的评价函数，引入了运行路程结合区域负载作为新评价函数的方式。在几乎不增大运行路程的前提下，实现了AGV运行路网的区域负载均衡。采用了单向多入多出以及双向多入多出路网模型进行仿真验证，改变路网规模以及负载系数进行多次仿真实验，结果表明改进算法可以有效地均衡路网负载，极大提高了AGV系统整体运行效率。
在现代化工业和物流系统中，自动导引车（Autonomous Guided Vehicles, AGV）已经成为提高效率和灵活性的关键工具。随着工业自动化水平的提升，AGV的数量在工厂和仓库中不断增加，这就要求AGV系统能够高效、智能地进行路径规划，以避免路网拥堵并实现负载均衡。针对这一挑战，袁洋及其合作者们提出了一种结合负载均衡与A*算法的多AGV路径规划方法，旨在解决大规模应用场景下的路网拥堵问题。
AGV系统的核心是路径规划算法，它指导AGV在复杂的路网中安全、高效地移动。传统的A*算法在路径规划中表现出色，特别是在考虑最短路径的情况下。然而，在实际应用中，仅仅考虑最短路径并不足以应对复杂动态变化的路网环境。因此，为了提高AGV系统的整体运行效率，必须同时考虑运行路程与区域负载情况。
袁洋等人的研究通过改进A*算法的评价函数，加入了区域负载的概念，使得算法在计算AGV运行代价时能够同时考虑行驶距离和区域负载均衡。这种改进使得AGV在选择路径时不仅追求最短距离，还会避免高负载区域，减少局部拥堵，进而提高整个系统的运行效率。这种方法不仅优化了路径规划，而且有助于实现更加稳定和可靠的AGV运作环境。
为了验证改进算法的有效性，研究人员采用了单向多入多出和双向多入多出路网模型进行仿真测试，并通过多次改变路网规模和负载系数来分析算法性能。实验结果显示，相比于传统A*算法，改进的A*算法能够有效地实现路网负载均衡，并且在几乎不增加行驶距离的前提下，显著提升了AGV系统的整体运行效率。这表明，新提出的算法不仅可以解决局部拥堵问题，而且对于提高多AGV系统在复杂路网环境中的运行效率具有显著优势。
这项研究的贡献在于它提供了一种新的路径规划策略，兼顾了路径效率和系统负载均衡。这种策略对优化大规模AGV系统的运行具有重要的实践意义，尤其适用于物流、仓储、智能制造等需要高效、智能搬运系统的领域。同时，它也为未来路径规划算法的发展方向提供了启示——即在路径优化过程中，必须充分考虑环境动态和系统整体性能。
总结而言，袁洋等人的研究通过结合负载均衡理论与经典的A*算法，创新性地解决了多AGV系统的路径规划问题，为实际应用提供了理论支持。通过引入区域负载概念优化评价函数，不仅降低了局部拥堵的可能性，还提升了系统的整体运行效率，展现了在复杂环境下路径规划的智能化和高效性。随着技术的不断进步和应用领域的拓宽，这一方法有望在更多需要多机器人协作的环境中发挥作用，实现系统运行的最优化。
