随着电子商务行业的蓬勃发展,我国快递量急剧增长,给物流行业带来了巨大挑战。物流企业为了缓解物流分拣中心日益增长的作业压力,纷纷扩大物流分拣中心的场地并引入自动引导车(Automated Guided Vehicle,AGV)来自动化分拣物件。因此,在大规模物流分拣中心如何提高AGV系统的分拣效率引起了企业的关注和思考。基于这样的背景,本文针对大规模场景下物流分拣中心多AGV路径规划问题,主要完成了以下几个方面的工作:本文首先对多AGV路径规划问题的背景和意义进行了调查和分析,其次对AGV路径规划的相关算法进行了调研。结合实际场景情况,本文采用主流的栅格化建模方式对物流分拣中心的场地进行建模,介绍了多AGV路径规划问题的模型和经典A*算法、基于冲突的搜索算法。在大规模物流分拣中心环境下,本文选取所有AGV的路径花费总和作为优化目标,提出了离线多AGV路径规划算法DC-CBS算法。DC-CBS算法是将分治算法的思想和CBS算法结合起来,充分利用分治算法不断划分子问题的思想和CBS算法在小规模环境中表现优秀的特点。DC-CBS算法将大规模的场景图划分为多个相同的小规模区域并映射为上层地图,利用局部最优策略把原始的多AGV路径规划问题分解为多个相似的计算量较小的多AGV路径规划问题,调用CBS算法快速求解,最后将子问题的解组合成为原问题的最终解。通过大量的实验证明,DC-CBS规划出的路径解的路径代价总和接近最优解,并且在较大较小的规模中运行时间都比CBS算法短。最后,本文提出了一种在线的带锁格的路径规划算法,该算法解决了实际生产环境对启动响应时间要求较高的问题。其中,锁格是AGV设置的一段安全距离,每一次路径规划只需保证所有AGV在锁格范围内的路径是无冲突的。带锁格的路径规划算法可以简化冲突解决方案,加快了冲突化解的速度。通过实验对比分析证明,带锁格的路径规划算法的第一次响应时间比CBS算法响应时间更短,而且针对不同AGV数量的情况下,算法第一次响应时间非常接近。此外,本文模拟了物流分拣中心实际场景图,模拟界面既展示了物流分拣中心的布局以及AGV的分布情况,也能够动态的展示AGV的移动过程。考虑到实际环境中场地出现影响AGV运行的障碍物概率较高,模拟实验还增加了在界面动态添加障碍物的功能,使AGV能够智能的处理静态和动态障碍物。