近些年来,计算机、互联网和人工智能等领域异军突起,随着“工业2025”计划的提出,生产技术更新换代加速,促进了电商、制造业服务业等行业的高速发展,同时订单的激增也给这些行业带来了新压力,必然要求下游生产制造业、物流仓储业等多个行业必须有高效、快捷的作业和运转机制。在此背景下,自动化立体仓库应运而生,其中AGV的投入使用更是能极大提高企业竞争力。本文针对自动化立体仓库中AGV运行过程中碰到的主要问题,结合典型AGV的运行特点和实际工作场景,提出自动化立体仓库中的AGV运行路径规划问题,针对AGV运行过程中的障碍问题,提出了相应的动态监测机制来保证AGV运行的安全性,并通过一定的条件假设,对自动化立体仓库中的AGV路径规划问题进行了相应的简化。本文以所有AGV运行的总时长最短为目标函数,采用两阶段法的破坏-重构思想在AGV路径规划模型的基础上,融入AGV运行过程中的动态避障问题,建立了自动化立体仓库AGV拣货入库情境下的AGV路径规划模型,并提出了一种基于蚁群算法和遗传算法的多种群混合智能算法,来求解上述模型。多种群混合智能算法是在蚁群算法和遗传算法各自独立经过一定的迭代次数或运算周期,相互之间传递各自最优解的信息,然后根据对方的阶段性的最优解信息,互相进行一定的结果修正,在求解结果中剔除最劣解,并分步骤地互相融入到彼此的算法中,使得算法能更快速、精准地获得最优解。这既确保了多种群混合智能算法的可行性,也能避免由于单一启发式算法带来的早熟、陷入局部最优等缺陷。结合实际案例,通过比较分析蚁群算法、遗传算法和混合智能算法求解模型的结果可知,混合智能算法充分吸收了蚁群算法和遗传算法的优点,在算法速度、求解准确性上都具有较大的优势,表明混合智能算法在求解自动化立体仓库的AGV路径规划问题中有很好的应用前景。