智能仓储在传统仓储的基础上采用自动化、信息化和智能化等技术,使得仓储的工作效率和空间利用率大大提高。自动导引车（Automated Guided Vehicle,AGV）是轮式移动机器人的一种,凭借着灵活性、安全性和快速性等特点成为了智能仓储重要的载体,被广泛应用于档案、物流和危险品等仓储场景。本文以智能仓储中的大规模档案仓储为应用背景,针对AGV路径规划方法、多AGV任务调度和AGV路径偏离控制三点展开研究。主要研究内容如下:首先,研究了AGV地图模型和常见的路径规划算法,并选取栅格地图和A*算法作为本文的运行环境和规划算法。针对A*算法的启发函数采用曼哈顿距离时AGV遇到障碍物时会出现不必要的局部绕行情况,提出了局部欧氏距离和障碍物端点判断两种方法对A*算法进行优化。并通过仿真实验证明改进算法的可行性。其次,提出结合任务紧急程度和任务相应比两个因素的动态优先级,解决了常见静态任务优先级存在的缺点;研究了任务分配目标以及如何使用层次分析法确定多目标的权值,提出了内嵌禁忌搜索的遗传算法对任务分配模型进行求解,优化了遗传算法和禁忌搜索算法求解过程中的不足,并设计仿真实验验证改进算法的可行性;在时间窗的基础上提出了AB端来定义路径的两端,并定义Key-Value的存储关系,从而优化了多AGV冲突识别的数学模型;最后介绍几种冲突解决方法,并通过仿真实验证明改进数学模型和解决方案的有效性。然后,针对AGV行驶过程中偏离规划路线的问题,采用克服了单一导航缺陷的惯性-二维码复合导航,并对AGV运动、二维码偏差和惯性导航建立模型从而对偏离路线进行准确表示。在此基础上从横向和纵向分别对偏离路线进行矫正,并使用两种控制策略进行仿真与分析。最后,通过对上述三点内容的研究,本文结合Spring Cloud框架将所有研究内容拆成模块搭建成微服务的多AGV调度系统。模拟多任务多AGV场景对该系统进行仿真实验,结果证明调度系统各个模块运行状态均符合预期,也验证了本文研究内容和成果的有效性。