随着自动化物流系统的发展,移动机器人作为运输系统的关键工具,各方面的技术得到了快速的发展。多移动机器人路径规划是机器人导航研究领域中极具挑战性的问题。多机器人路径规划是一个多目标优化问题,如何实现机器人间的路经协调,机器人的避障,并如何保证路径规划的多个优化目标能够同时、合理的优化是该问题的研究难点。本文对自动化物流系统中多机器人系统进行了研究。分析了当前多机器人路径规划技术,并完成了分层路径规划方案的总体设计,第一层为全局路径规划,第二层为局部路径协调。在全局路径规划的问题中,大多算法有收敛速度慢和收敛不足的缺点,而且大多只考虑了单一的路径长短这一个目标,导致路径存在不平滑,安全性能不好的问题。本文提出了融合天牛须搜索算法(Beetle Antennae Search,BAS)和粒子群算法(Particle Swarm Optimization,PSO)的天牛群算法(Beetle Swarm Optimization,BSO),并对多个目标采取加权和的方法,实现多个目标的优化。通过BSO算法和遗传算法以及自适应惯性权重粒子群算法的路径规划结果对比,证明本文提出的算法加快了搜索速度,得到的路径整体平滑性更好、路径更短、离障碍物更远。在BSO算法的进一步研究中发现,采用加权的优化方法得到的路径不能很好地平衡多个目标。因此,在BSO算法的基础上引入帕累托支配(Pareto)概念,提出了多目标天牛群算法(Multi-Objective Beetle Swarm Optimization,MOBSO),使得算法可以得到多个解。对于多目标算法大多存在的多样性不足和收敛于Pareto前沿不够的问题,在路径规划中引入不可行解的外部存档策略,将经过障碍物的不可行路径与可行路径相结合,增强边缘搜索以得到更优解。通过单个机器人的仿真验证了改进算法可以规划出更多的可行路径,且路径的分布性和收敛性更好。在第二层路径避碰协调中,针对多机器人路径协调中机器人的安全性欠缺问题,本文改进了优先级算法,提出了限制区域的策略,以实现机器人更有效地避开冲突。通过仿真结果表明改进算法在解决多机器人避碰上的可行性,并与改进的算法对比,验证了改进算法可以提高机器人的安全性能。在搭建的多机器人实验平台上进行实验,实现了改进的全局路径规划算法和避碰算法在实际机器人路径规划中的应用,并证明了改进算法的有效性。