随着电子商务的崛起,智能仓储系统得到了广泛的应用。与传统的仓储系统相比,智能仓储系统具有运行成本低、灵活性强、柔性高等优势。在智能仓储的系统中,其核心环节就是多AGV（Automated Guided Vehicle,AGV）的任务分配和路径规划。目前对于多AGV任务分配的问题,主要是以多AGV的总移动距离最小为优化目标进行研究。但是在实际的工作中,AGV还会面临负载不均衡、任务完成时间过长等问题,使得多AGV系统的运行效率不佳。同时在对AGV进行全局路径规划时,AGV会出现转弯次数过多、陷入局部最优路径的情况。并且随着系统内AGV数量的增加,AGV工作时发生碰撞的概率也随之增大。基于此,本文对多AGV的任务分配及路径规划问题做了进一步研究,主要的研究内容如下:（1）根据智能仓储环境下AGV的工作特点,提出了任务链的概念。在此基础上,以多AGV的总移动距离、负载均衡度和任务完成时间为优化目标,构建了多目标的多AGV任务分配模型,并结合本文设计的遗传算法解决了多AGV之间的任务分配问题。（2）对AGV的全局寻路方法进行了优化,确保系统能够为各AGV规划出较优的初始路径。在不考虑AGV之间碰撞问题的前提下,以AGV总路径最短为优化目标,选取蚁群算法对其进行求解。对算法中关键参数进行了动态自适应调整,增强了算法收敛速度。根据栅格环境地图的特点,对算法的启发函数进行了修改,加入了路径指引函数,提出了栅格优越性的概念,降低了算法在寻路时陷入局部最优的概率。（3）针对多AGV之间发生的碰撞问题,提出了一种离线—在线两阶段协同避碰法。先对各AGV的初始路径进行安全检测,找出路径中的潜在的冲突并进行离线消解。在此基础上考虑到AGV在移动过程中由于误差累积及故障而发生路径冲突,分析了各AGV在移动过程中可能发生的冲突类型,设计了相应的消解策略,结合AGV的优先级进行在线冲突消解。（4）将本文所提出的方法策略进行了实验验证。首先通过MATLAB软件构建了智能仓储的环境模型,在此基础上对多AGV的任务分配及路径规划进行了仿真实验。实验结果表明,本文设计的方法可以有效提高AGV对于地图环境的利用率,减少不必要的路径损失,提升了智能仓储的工作效率,为此类问题的研究提供了一个新的思路。最后利用AGV小车进行了路径规划实验,进一步验证了本文方法的可靠性。