国务院提出《中国制造2025》,标志着我国制造业开始向智能制造转型,科学技术的发展以及市场竞争的加剧为工业生产、消费市场带来了巨大的变化,过去以厂商为中心的大规模生产模式逐渐转变成根据消费者订单进行多品种、小批量生产的模式。在这种灵活复杂的生产模式下,调度作为车间优化资源配置的重要手段,对于提高生产效率、降低生产成本发挥着至关重要的作用,成为了智能生产管理中的关键部分。数据显示,在工件生产过程中,有95%的时间处于运输、等待运输和等待加工的状态。自动导引小车（Automatic Guided Vehicle,AGV）集成了多种先进技术,具备高柔性、高自动化的特点,是智能车间物流体系中的核心设备。考虑AGV与加工机器协同工作的集成调度可以从全局的角度进行生产优化,统筹分配车间资源。AGV与加工机器集成调度是典型的NP-hard问题,解空间庞大且复杂。部分学者为了降低问题难度,不考虑AGV运行过程中遇到的路径冲突。然而,在多AGV系统中路径冲突是无法避免的,路径冲突如果不解决,会导致路径死锁甚至生产系统瘫痪,考虑路径冲突的AGV与加工集成调度更加贴近生产实际,对于数字化车间的指导性更强。因此,对该课题展开研究具有重要的理论意义与工程价值。论文围绕考虑路径冲突的AGV与加工机器集成调度问题进行研究,研究的主要内容如下:首先,本文对AGV与加工机器集成调度问题的研究现状和发展趋势进行了梳理和总结,指出当前研究存在的不足以及本文的研究目的。然后,介绍了本文所研究算法的基本理论,为了解决路径冲突问题,引入了基于时间窗的Dijkstra算法。同时,对传统车间调度问题进行了描述,并强调了本文所研究问题的特点,针对其特点建立了符合约束条件的数学模型。其次,在考虑AGV无冲突路径规划的情况下,研究了AGV与加工机器集成单目标调度问题。提出一种离散型鲸鱼优化算法,以最小化最大完工时间为目标,建立了数学模型,并采用了一种三段式编码实现了AGV和机器的集成编码,建立了连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR种群初始化方法;其次,运用Levy飞行算子和阈值重启操作进一步提高了算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。再次,以最大完工时间、AGV运行时间以及机器总负荷为优化目标,建立了多目标调度优化模型,提出一种基多目标自适应聚类遗传算法。根据算法不同时期侧重的搜索需求,通过基于海明距离的自适应聚类算法与非线性收敛因子,提出一种包含自适应个体交叉概率的交叉重组策略;针对算法在迭代后期容易陷入局部最优的情况,设计了自适应种群变异概率,并加入了一种扰动因子;此外,引入基于网格划分数和扩容的网格距离结合非支配等级的环境选择策略以增强解集的分布性。最后,对本文所提的算法通过标准算例及已有研究成果中的算例进行了验证。结果对比表明本文所提算法具有一定的可行性和优越性。