自动引导小车AGV(Automated Guided Vehicle)执行任务时所规划的路径对于仓储仓库、物流分拣和无人自动化工厂等工业场景有着重大意义。近年来,随着物流运输行业的飞速发展和工业自动化的要求日益迫切,自动化仓储系统对物料运输的要求也越来越高,而AGV则是这类自动化仓储系统的重要组成部分。为了提高运输效率,人们开始研究如何在给定的时间内运输尽可能多的货物,这其中AGV彼此之间的冲突碰撞是耗时的关键因素。本文的目标是让场景中所有AGV在完成任务的前提下彼此之间产生的冲突最少。为了解决多AGV高动态与少冲突的问题,主要完成了以下几方面的工作:针对多AGV的静态场景算法研究,本文提出了增强冲突规避的改进启发式寻路算法。在对物流仓储场地布局特性进了调研后,基于栅格网络模型,将仓储场景地图抽象为无向图的形式,并针对静态场景的特点进行了AGV所执行的任务类型的详细描述;基于协作路径规划的思想,提出了改进的启发式搜索方案,使得在路径转弯数、重叠度以及AGV冲突发生数量上得到了显著的改进,大幅降低AGV完成任务所需要的各项指标。针对多AGV的动态场景算法研究,本文创新性地设计并实现了适用于具体问题下的高动态场景、面向冲突的算法。对动态算法的特性进行了分析,确定了动态算法的研究思路;算法首次提出了一种适用于动态场景的信息素矩阵概念,在大幅降低算法执行时间的同时避免了因为车辆跟随而产生的二次冲突问题;通过对部分节点扩张理论的研究,提出了基于该理论的推广算法,让基础路径规划阶段的速度较对比算法有着显著提高;针对在静态算法中所使用到的全局预约表的特性,创新性地提出了一种适用于高动态场景的动态请求表结构,结合针对实际问题的冲突解决策略与动态优先级的概念,不仅很好地实现了算法的动态性,而且还让任务执行的过程中所产生的冲突均匀地分布在AGV之间,通过实验对比证明了在冲突预防上本文算法的有效性。完成动态算法的理论构建后,本文根据校企合作方的实际需求对仿真系统进行了设计与实现。在尚无可行求解策略的情况下,对生产物料运输过程中遇到的问题进行了逐一解决。同时,将各项功能进行设计整合,构建为一套仿真系统,在企业内得到了验证与肯定,实现了研究内容的直观性与交互性,并体现了实际生产的实用工程价值。