随着市场竞争的加剧和自动化程度的提高,制造业的发展日新月异,传统制造业的生产方式发生了深刻的变化,同时对生产车间物料搬运作业自动化、柔性和高效性提出了更高的要求,自动导引车(Automated Guided Vehicle,AGV)作为自动化生产车间内的重要的运输工具,对其进行合理的调度对于提高生产效率和产品竞争力、降低生产成本具有非常重要的意义。AGV路径规划正是在此背景下发展起来的一个重要研究领域。　　 本文研究的是自动化生产车间内的AGV路径规划问题。根据环境条件和运行参数的不同,分别进行问题建模、遗传算法设计和仿真分析。主要工作如下:　　 1.研究了单AGV路径规划问题。在建立相应的问题模型的基础上,设计了遗传算法求解,仿真结果表明本算法可行。　　 2.研究了静态环境下的多AGV路径规划问题。建立了问题的数学模型,提出了一种自适应的遗传算法。该算法对交叉概率和变异概率采用基于模糊控制的在线自适应调整。仿真分析表明,所提出的算法具有较好的寻优能力,收敛速度优于基本遗传算法。　　 3.研究了动态环境下的多AGV路径规划问题。建立了问题的数学模型,提出一种改进的小生境遗传算法。该算法加入了小生境淘汰运算,并对遗传算子的设计做了改进,保证了种群的多样性,具有很高的全局寻优能力和收敛速度,克服了基本遗传算法收敛速度慢和容易陷入“早熟”的缺陷。　　 4.研究了复杂环境下的AGV路径规划问题。在深入分析问题特征的基础上,建立了相关模型,构造了一种基于粗粒度模型的主从式并行遗传算法。仿真表明,该算法适合多AGV、复杂环境的路径规划问题求解。