无人仓储概念的提出使得越来越多的物流公司将目光转向物流作业的自动化、智能化和无人化,自动导引运输车(Automated Guided Vehicle,简称AGV)作为一种柔性的自动化设备,将广泛地使用于无人仓储中物流的分拣、仓储、搬运、配送等环节。在无人仓储的环境下,AGV路径优化问题是一个基础问题,也一直是企业和学术界关注的焦点。当前关于AGV的路径优化多是对于离线路径优化和在线调度等,多是任务点间的单目标函数最短路径问题或路径间的协作调度问题,鲜有人考虑AGV有充电需求的情况下对AGV进行路径优化的研究。论文针对有充电需求时的AGV路径优化进行了研究分析,首先对AGV路径优化的研究背景进行了详细阐述,分析了国内外AGV路径优化领域的研究现状,给出了论文进行课题研究的内容和技术路线。其次,论文综述了无人仓储环境下AGV路径优化的相关理论,对无人仓储概念、AGV组成分类和无人仓储中AGV路径求解的相关算法做了细致的梳理论述,这也为论文的后续研究奠定了理论基础。再次,论文利用基于BP神经网络和ARIMA的时间序列预测方法对我国物流的发展情况进行了组合预测分析,提出基于社会物流总额预测的无人仓储多AGV运作模式。最后,构建了考虑充电需求情况下的无人仓储环境下的多AGV路径优化模型,模型以路径最短为总体目标,结合作业分拣位置,AGV初始位置以及防碰撞等约束条件形成了一个目标规划模型,并选择遗传算法作为解决该模型的方法。论文对具体实际情况下的抽象模型进行了算例分析,通过算例仿真验证了提出的相关模型和算法的有效性,从结果中可以看出,论文构建的模型能够在无人仓储环境下多AGV的作业行驶过程中,实现在考虑充电需求时的路径最短作业问题,提高了无人仓储中多AGV的作业效率,论文的研究能对我国无人仓储环境下AGV路径优化提供相应的借鉴。