近年来,随着中国制造“2025”计划的深入开展,传统制造业领域掀起了一场以提高数字化、智能化为目标的转型浪潮。2021年全国两会“十四五”规划再次提出“智能制造”是制造业转型升级的必由之路,其核心与关键要素之一是智能物流系统的实现。智能化AGV(Automatic Guided Vehicle)在智能物流系统中扮演着重要角色,不仅需要与生产工艺相结合,更要求具有思维、感知、学习、推理判断和自主决策的能力。面对高度柔性化的生产制造需求,AGV的调度规划问题一直是工业现场亟待解决的技术难题。本文针对单AGV在运行过程中产生的路径冗余及碰撞问题和多AGV系统中任务分配、任务排序问题分别进行了研究。主要研究内容为:首先,针对AGV路径规划中地图建模方法及调度算法选择问题,分析了三种不同的建模方法,建立以栅格地图为基础的单AGV路径模型。分析了AGV调度系统中常用的A*算法和遗传算法,基于遗传算法具有良好的可延展性特点,提出应用改进的遗传算法解决AGV系统调度问题。其次,研究了单AGV路径冗余及碰撞问题,在传统遗传算法内加入避障模块,同时在适应度函数中加入光滑度函数,对AGV转弯角度进行惩罚值设定。在保证遗传算法自身良好的全局搜索能力及鲁棒性同时,使搜索到的路径更短,转弯角度更大,让AGV行走过程顺畅、安全且高效。接下来,针对中大型工厂中,单AGV工作不能满足生产需求的问题,进一步研究,在模型中加入多辆AGV,组成AGVS系统,以AGV补料任务行走总距离最短为目标,结合路径选择及任务排序双重标准,提出双层编码方式;同时为避免染色体上基因聚集到小的邻域内,提出一种改进遗传算法,算法中增加了多种变异过程,相较于传统遗传算法扩大了解的空间,防止局部最优解产生。而后通过MATLAB对环境进行建模、仿真,并与基本遗传算法进行对比。最后,结合以上研究内容和数字孪生技术,文章应用Plant Simulation软件,进行仿真虚拟建模。通过软件的开放界面可以从虚拟环境中看到未来实际生产的全部信息。对仿真参数的更改可以更加贴近真实工厂的物流运输环节。在验证文章所提出优化算法的同时,还可以从二维或三维框架下直接观察到模型具体情况,即可全方位了解AGV系统实际运行流程。