2019年底爆发的新型冠状病毒疫情给全球经济带来巨大冲击,同时疫情也给物流运输业带来了巨大的挑战。而经过疫情的洗礼,我国物流运输行业整体不仅经受住了考验,而且在技术上、能力上、制度上都达到了更高的水平。虽然物流业经受住了考验,但在疫情期间和疫情过后,物流业也暴露出许多亟待解决的问题。在后疫情时代,购物的理念是足不出户,就近购物。除了生活必需品的囤积,大众的消费模式也变化为了按需购买。这意味着,相应的仓储物流企业,为了满足群众的需求,将不得不改变过去的物流模式,改为多批次、小批量的物流和仓储模式。但在这种模式下,传统的少批次、大批量的物流运输模式显然已经无法适应。同样,在新的模式下,人工的拣货工作显然会因订单量大而随之增大。首先,多批分拣劳动强度极高,其次,多批人工分拣不可避免地会有人为失误和其他不必要的损失。因此,在新形势下,自动化仓储多AGV（Automated Guided Vehicle）系统体现了其超越传统人工分拣物流的性能。尽管多AGV系统早已存在并投入使用,但在当前环境下,针对仓储配送中心的多AGV路径规划系统的需求更为迫切。本文针对后疫情时代新的消费模式和行业目前的发展状况,在大量阅读了文献后提出了基于时间窗的配送中心多AGV系统调度方案:“货到人”的拣货模式。首先本文从配送中心的实际日常工作状况中总结了生产问题,把实际问题变为了可解决的数学模型。然后分析了自动仓库系统的结构和布局,梳理了自动仓库的工作流程。比较分析了在路径规划领域的环境建模,智能算法和避障解决方案的各个不同方法之间的特点,采取实验比较的方法,用遗传算法和A星算法在实例中的仿真对比实验确定了在仓储环境中,A星算法的计算时间和拐点数量都较遗传算法优秀。总结了 AGV的路径规划方案和多AGV系统的冲突和解决办法,规划了各区域的AGV路径,并在数学模型的基础上生成了各AGV的路径,利用时间窗算法检测了可能的避碰点,解决了 AGV小车的路径规划和避障这两个核心问题,提出了解决仓储配送中心的多AGV系统路径规划和基于时间窗的避障的方案,并且在仿真实验中验证了此系统的可行性与可靠性。最后,仿真和实验都表明,在拐点数量的约束条件下,多AGV系统的运行效率大大提高。将仿真所实现的系统应用到了 X企业的实际生产当中,与优化前相比较,在多AGV小车的路径规划和避障系统下实现了运料设备数量减少25%的情况下,超市仓库的整体拣货效率提升了 44.2%,说明该系统对实际生产具有一定的指导意义。