AGV以及KIVA等移动机器人具有自动化、高灵活度以及可并行作业等特点,已得到广泛应用,现已应用于国内外港口码头集装箱搬运,快递物流中心快件分拣等物流运输方面。利用机器人代替人工可有效缓解车间内工作人员的工作压力,提高车间工作效率。本文主要研究机场行李分拣的机器人调度问题,并搭建平台实现移动机器人的物料识别与路径规划,为实现机器人在机场行李分拣中应用奠定基础。通过分析机场离港及中转行李的分拣作业流程,提高行李分拣的效率,建立机器人调度问题的数学求解模型,并考虑机器人的充电约束,寻求合适的求解复杂问题的启发式算法,求解数学模型。此外,通过将路径优化算法与神经网络算法应用于智能机器人,实现机器人识别物品及寻找最短路径的能力。本文主要从以下几个方面展开:(1)对国内外机场行李处理系统,机器人调度问题的发展历程及相关优化算法文献总结整理,尤其是近来年机器人调度的优化方法研究,为本文考虑的调度问题建立数学模型,选择合适的优化算法提供指导。(2)分析机场使用转运机器人实现行李分拣的作业流程,考虑机器人调度过程中的电量限制,建立以最小化总加权延时为优化目标的混合整数规划模型,采用小算例分析机器人调度问题的求解过程。引入变邻域搜索算法,设计初始解生成方式,解码及四类邻域结构,求解数学模型。(3)采用固定优化算法框架求解大规模的优化问题,设计了启发式算法生成初始可行解。基于固定优化算法的框架,根据行李到达时间顺序不变的特性,选择一段连续的行李序列作为自由变量,以此分解子问题并求解。通过实验结果对比Gurobi数学优化器,VNS的计算结果,证明固定优化算法能够较快的求解问题并获得质量较高的解。据此,分析不同设备数配置对行李分拣效率的影响。(4)研究机器人的自动识别与路径规划,构建图像识别与路径优化相结合的实验框架,采用卷积神经网络算法实现机器人对特定物品的识别,并优化识别率,且利用动态规划算法优化机器人的运行路径。通过Vector机器人实验测试表明,所搭建的实验平台能够有效实现机器人全自动识别对象与路径规划,有望应用于机场行李分拣中。