自动引导搬运车(Automated Guided Vehicle AGV)是一种自动化的智能运输设备,属于移动轮式机器人的一种。AGV是现在现代物流系统的核心组成之一,它在自动化生产线或者物流系统中充当着搬运工的角色。随着现如今电商行业的蓬勃发展,作为其重要组成部分之一的仓储物流系统也需要与日俱新。仓储物流系统多具有周期短、批次多、单次运输量小、路径复杂等特点,在这一背景下,传统的手工搬运和叉车搬运等方式已经逐渐被AGV运输系统所取代。因此,研究一套高效率的任务分配方案和AGV调度方法并能为多AGV规划出无冲突最短路径的优化方法具有重要现实意义。本文从以下3个方面层次化的对多AGV任务调度问题进行了深入研究:1.建立以完工时间最小为优化目标的单目标任务调度模型,通过将改进后的遗传算法纳入文化算法群体空间的进化体系中,提出了一种混合文化算法对模型进行求解和优化,并通过实验对比验证了文化混合算法的可行性和优越性。2.在单目标模型的基础上,建立以完成任务时间、AGV数量、任务差异量为优化目标的多目标任务调度模型,以文化算法为基础框架,提出了一种改进的NSGA-III算法对多目标问题进行求解。在接受函数中采用对不同目标进行加权的方式来对不同目标进行同一评估,并通过影响函数来动态调整NSGA-III算法的变异概率,防止算法过早收敛。并通过实验对比验证了改进后算法相较于原始算法有着更好的优化性能。3.结合前面的研究,通过分析实例仓库的平面图,建立了多AGV任务调度的多目标模型,并利用改进的NSGA-III算法对该模型进行求解和优化,最终得到了优质的调度方案,证明了本文算法能够有效的解决在复杂环境下的多AGV任务调度问题。