随着我国经济增长与产业结构的升级,生产车间日趋智能化,利用智能化技术促进产业变革已成为大势所趋。而物料运输是车间生产过程中必不可少的部分,也是车间调度问题的研究重点,因此对物料运输过程进行优化具有重要意义。这不仅可以提高物料运输效率、降低生产成本、缩短生产周期,同时也可以提高经济效率。在物料运输过程中,智能机器取代人力迫在眉睫,例如自动导引运输车（Automated Guided Vehicle,AGV）,正在慢慢取代人工,在物料运输方面发挥愈来愈重要的作用。本文重点研究单AGV及多AGV调度问题,以最短运输时间作为目标函数建立数学模型,并使用粒子群算法（Particle Swarm Optimization Algorithm,PSO）对数学模型进行优化求解。主要工作内容如下:（1）针对一字型车间中的单AGV调度问题,引入时间片（record time slice,RTS）概念,将机床的呼叫时间作为约束条件,以最短运输时间作为优化目标建立数学模型。针对单AGV调度问题的特点对粒子群算法进行改进,首先提出了适合于该问题的编码方法,其次设计交叉与变异策略更新粒子位置,增强算法的局部搜索能力,避免结果陷入局部最优。（2）研究矩阵型车间中的多AGV调度问题,引入生产周期的概念,以容量限制作为约束条件,对每台AGV进行合理的任务调度,以最短运输时间为目标函数,建立数学模型。对粒子群算法进行改进,提出适用于多AGV调度的整数编码方法,通过NNH（nearest-neighbor-based heuristic）产生初始解,将粒子种群划分为若干邻域,提出最优-最差交叉操作。通过设计变异操作及种群多样性增强机制,增强种群多样性,避免陷入局部最优。将改进的粒子群算法与其他智能优化算法进行实验对比,验证改进算法的有效性。（3）以C#作为开发语言,My SQL作为后台数据库,开发出一套AGV调度仿真系统,分别进行单AGV及多AGV运行实验,得到最优任务执行结果。通过该系统可以更直观的运用改进算法解决AGV调度问题。最后,对论文所完成的工作进行了总结,并对AGV调度问题及粒子群算法的应用前景进行了展望。