近年来,随着互联网行业的蓬勃发展,网络购物也随之迅速走进千家万户,传统的人工分拣商品已经难以满足用户的需求和电商的发展,“货物到人”分拣模式的出现以及无人仓的建立给电商带来了曙光,研究影响无人仓运行效率的一些重要因素,如何提高无人仓的分拣效率已经成为当前学术界和工程界需要解决的问题。无人仓是一个综合系统,包含多个作业部分,其中投入作业的AGV数量和AGV的作业路径是两个影响无人仓效率的重要因素。无人仓中影响AGV数量决策的因素很多,通过建立简单的线性模型很难预测结果。在AGV路径规划上,有学者结合无人仓AGV的作业路径特点,提出了两阶段路径规划的算法,该算法虽然避免了为同一点对(起点和终点)多次规划路径的浪费,但是没有考虑到AGV的阻塞或二次阻塞给无人仓带来的效率降低问题。如何决策投入无人仓中的AGV数量,如何尽可能的降低AGV的阻塞程度,从而使无人仓的分拣效率最大化。具体来说,针对以上问题,本文的主要工作如下:首先,对无人仓的流程结合本文的研究内容进行分析,提出了课题的主要框架,针对框架中的调度系统和路径选择部分进行分析和研究。其次,针对无人仓AGV的数量决策问题,由于无人仓中影响AGV数量的因素太多且可变性高,所以本文构建了仿真优化的方案对AGV数量进行决策,以使得无人仓的分拣效率最大化,在仿真优化模型中,提出用精度高、收敛速度快、全局性好的粒子群算法作为优化算法。然后,针对AGV的路径规划问题,结合无人仓中的多数点对不需要重复进行路径规划的特点,课题使用两阶段的路径规划算法,收集影响AGV路径的阻塞节点,在此基础上分别对离线阶段和在线阶段的路径规划算法进行研究和改进,离线阶段提出了基于阻塞节点改进的蚁群算法,在线阶段提出了基于方向时间轴改进的A*算法,同时对不同优先级的AGV分配不同的路径方案。最后,通过实验对以上提出的算法进行验证,其中仿真优化模型成功的估算出AGV的数量,使得无人仓的分拣效率最大化,改进后的蚁群算法规划的路径可以很好的避免阻塞节点,改进后的A*算法可以降低AGV出现二次或者多次阻塞的概率,整体两阶段路径规划算法一定程度的提高了无人仓的分拣效率。