AGV机器人避障技术的分类

　　目前移动机器人的避障根据环境信息的掌握程度可以分为障碍物信息已知、障碍物信息部分未知或完全未知两种，为了解决问题人们引进一些计算机和人工智能等领域的算法。

　　1.遗传算法

　　遗传算法是计算数学中用于解决较佳化的搜索算法，是进化算法的一种。进化算法是借鉴了进化生物学中的遗传、突变、自然选择以及杂交等现象而发展起来的。遗传算法采用从自然进化中抽象出来的几个算子对参数编码的字符串进行遗传操作，包括复制或选择算子，交叉算子，变异蒜子。遗传算法的主要优点是：采用群体方式对目标函数空间进行多线索的并行搜索，不会陷入局部较小点；只需要可行解目标函数的值，而不需要其他信息，对目标函数的连续性、可微性没有要求，使用方便；解的选择和产生用概率方式，AGV智能搬运小车厂商表示该算法因此具有较强的适应能力和鲁棒性。

　　2.神经网络算法

　　神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。人工神经网络通常通过一个基于数学统计学类型的学习方法优化，是一种非线性统计性数据建模工具，可以对输入和输出间复杂的关系进行建模。

　　3.模糊控制

　　模糊控制是一类应用模糊集合理论的控制方法，它没有像经典控制理论那样把实际情况加以简化从而建立起数学模型，而是通过人的经验和决策进行相应的模糊逻辑推理，并且用具有模糊性的语言来描述整个时变的控制过程。对于移动机器人避障用经典控制理论建立起的数学模型将会非常粗糙，AGV智能搬运机器人厂商表示模糊控制算法则是把经典控制中被简化的部分也综合起来加以考虑。

　　科英玛智能科技表示除了遗传法，神经网络法，模糊控制法还有行为路径算法，再激励学习的路径算法等等，这些算法在避障研究中取得了比较好的成果。