随着柔性制造系统和智能仓储系统的快速发展,自动导引车（Automated Guided Vehicle,AGV）的应用需求日益增长。AGV是一种装备有电磁学或光学等传感器的自动导航装置,能够装载货物沿规定的导航路径行驶。为了提高AGV作业效率,降低运输成本,本文针对仓储环境提出基于强化学习的AGV路径规划方法。针对单AGV路径规划,提出了一种强化学习-蚁群算法。针对蚁群算法在某些情况中的缺陷,将强化学习的思想加入蚁群算法中。本算法的贡献包括:首先,在蚁群算法状态转移公式中加入Q值作为影响因素,提高最优路径节点的选择概率;其次,对一些较差节点进行惩罚,避免蚂蚁选择较差路径;最后,将每代蚂蚁中的路径长度和累积回报综合最优局部路径进行融合,并加强该路径信息素,提升了对最优路径的探索能力。通过与改进之前的蚁群算法的仿真实验对比,验证了所提方法的有效性。针对多AGV路径规划,使用多智能体强化学习进行多AGV协作优化,提出了一种面向合作任务的多智能体强化学习算法——WRFMR（Weighted Relative Frequency of obtaining the Maximal Reward）算法。主要贡献为:第一,WRFMR算法要求每个智能体估计有关自己动作的Q函数,无需估计联合动作的Q函数,缓解了联合动作空间指数增长的问题;第二,该算法利用加权参数和动作概率平衡探索和利用,以加速收敛到最优联合动作,同时还使用一种迭代的方式估计最大累积回报出现的频率,降低了算法的空间复杂度。本文对WRFMR在合作重复博弈中的学习过程建立了数学模型,并研究了此模型的动力学特性,得到如下结论:如果每个最优联合动作的组成动作都是唯一的,那么每个最优联合动作都是渐近稳定的平衡点。本文在两个多智能体协作任务——推箱子任务和DSN任务上将WRFMR算法与其它MARL算法进行对比,验证了WRFMR算法的可行性。最后,本文研究并搭建了多AGV仓储仿真环境,在此环境上将WRFMR算法与其他MARL算法进行对比,结果显示WRFMR算法在多AGV仓储系统中有着的良好表现。此外,本文使用Flexsim对学习到的策略进行可视化,进一步验证了WRFMR算法的有效性。