随着工业4.0的到来，传统制造业亟需向智能化转型，物料运输是生产制造过程中必不可少的组成部分。采用自动导引车(Automated Guided Vehicle,AGV)替代传统方式运输物料，能够提高生产效率和灵活性。解决多AGV系统中因为障碍物的存在而引发潜在的死锁问题和优化调度系统的效率，对提高企业生产制造的可靠性和效率，都具有重要的理论和实践意义。本文以基于时间窗的调度方法为基础，对这两个问题展开研究。本文主要工作如下：
　　多AGV系统中出现障碍物，会影响时间窗算法调度结果的执行，导致AGV之间发生冲突和死锁。本文提出了两种方法来处理这一问题。1)暂停等待方法要求AGV在遇到障碍物时，系统中全部AGV停止运行，直到障碍物解除。解除后通过平移时间窗来恢复系统的运转，相反，如果在规定的时间内未解除，则请求人工介入。2)重新规划路径的方法则是在遇到障碍物后，剔除障碍路段，并对所有AGV进行一次重新调度，若所有正在执行任务的AGV都能被成功调度，则所有AGV按照新的调度结果执行，否则请求人工介入。重新规划路径方法相比暂停等待避障方法，能够有效减少人工介入的概率，具备一定程度自主解决障碍物的能力。
　　采用AGV作为物料运输方式，最重要的就是提高系统作业效率。在实际生产过程中，通常产品需要经过多道工序加工，工序之间具有关联性，可以利用这种关联性优化系统效率。本文利用循环神经网络方法设计了多AGV系统任务预测模型，预测系统下一个将要发起的任务。其次，在特定条件下（比如系统足够空闲），将空闲AGV派送到预测任务的起始位置，这样，在预测正确的情况下，可减少下一任务的等待时间，提高任务执行的效率。相反，如果预测错误，本文也给出了解决方法，来减少因发起了让AGV到错误地点的新任务而对系统效率的影响。总体上，本文提出的方法能够有效提高系统效率，在多种路线图、多种AGV数量配置以及发起足够多的任务情况下的仿真实验给出了验证。