自动导引车(AGV)是一种具有极高的安全性与强大的可用性的运输搬运车辆，可真正实现系统控制、无人操作，被应用在当前高度智能的无人物流仓库中。在智能仓库分拣作业环节中，使用AGV来代替人工分拣，可以极大地提高仓库作业效率，从而提升企业的整体物流效率，进而拔高企业竞争力。
　　传统研究中普遍将AGV的充电与AGV的调度过程视为两个独立研究方向，一定程度上使得研究脱离了实际应用情况。本文开发了两个多目标数学模型，用来完成对AGV的充电和作业的集成调度，模型的目标是最小化完工时间、使用的AGV数量以及整个系统电力消耗量这三者的加权总和。此外，本文的研究中还加入了对AGV运行速度变化的考量，通过充电任务和可变速度两者的加入来优化AGV的任务调度，以更加合理地贴合实际无人仓中的应用需求。
　　针对本文较为复杂的数学模型与实际智能无人仓中的大规模数据要求，本文将基于适应度值和基于种群熵进行自适应调整的两种自适应遗传算法(AGA)相结合，提出了一种全新的多重自适应遗传算法(MAGA)来求解问题。最后通过数值实验得出，MAGA在算法的表现中明显优于结合前的两种AGA，而且优化幅度明显，证明了数学模型和MAGA的合理性及有效性。