随着经济全球化和互联网技术的飞速发展,电子商务逐渐渗透到人们的日常生活中,越来越多的人们随时随地地享受着网购带来的便利。电子商务的发展在推动中国物流行业的整体进步和发展的同时也面临很多的挑战。数据显示,我国物流总费用占GDP总值比例依旧居高不下。而物流配送作为物流环节的核心环节之一,相对滞后的技术水平阻碍我国物流行业的整体发展水平。面对订单数量和种类爆炸式的增长,现有配送中心的布局设置和分拣模式面临难以驾驭的困境。传统的“人到货”分拣模式耗费了大量了行走时间和人力成本。针对传统物流配送系统的不足,Kiva移动机器人物流配送系统应运而生。亚马逊等公司对Kiva系统和Kiva机器人的应用极大的提高了其配送中心的分拣精度和效率,降低了人力成本,提高了企业的竞争力。论文在综述国内外研究现状的基础上,以Kiva系统和Kiva机器人为研究对象,对多机器人复杂动态环境下的路径规划问题进行研究。通过对配送中心工作环境进行模拟,采用改进的粒子群算法,以避免机器人冲突作为主要约束,合理规划机器人行走路径,使系统运行效率达到最优。主要完成以下方面的内容:根据Kiva机器人的工作原理和特点,采用栅格法对物流配送中心进行环境建模;在分析对比现有多种路径规划算法基础上,选择粒子群优化算法(PSO)作为主要算法,研究多机器人路径规划问题;针对粒子群算法存在的早熟收敛、惯性权重取定值影响搜索效果以及粒子边界聚集等问题提出改进方法,引入了判断阈值来规避早熟收敛,提出了非线性动态权重和边界约束分别来优化核心参数和粒子边界问题的影响,使得粒子群算法总体性能达到最优;通过设立合理的优先级规则和适应度函数,以规避多机器人之间的道路冲突,并对道路拥堵情况提出了处理措施;以MATLAB为工具,对单Kiva机器人、双Kiva机器人、复杂动态环境下多Kiva机器人路径选择问题进行了仿真分析。仿真结果显示,改进的PSO算法在为多机器人规划最优路径的同时有效地防止了各种冲突,使得系统能够高效有序运行。