在現代物流與智能製造領域，自動導引車(AGV)的應用愈發廣泛，成為提升系統自動化與智能化水平的關鍵設備。隨著2025年自動導引車產業布局不斷優化，市場規模持續擴大，各行業對 AGV 系統的效率與資源利用率提出了更高要求。然而，傳統的多 AGV 系統任務分配方式存在諸多問題，如未充分考慮運輸任務中商品屬性差異、忽略 AGV 負載能力不同以及負載利用率較低等，這些問題制約了 AGV 系統性能的進一步提升。針對這些現狀，研究負載差異導向下的多 AGV 系統任務分配策略具有重要的現實意義。

  一、多自動導引車系統任務分配問題剖析

  在由多輛自動導引車構成的系統中，存在多種負載能力的 AGV，它們的運行速度會因載貨能力不同而有所差異。《2025-2030年全球及中國自動導引車行業市場現狀調研及發展前景分析報告》指出，調度中心需依據作業周期內的任務信息和 AGV 的狀態參數進行任務指派，目標是在最短時間內完成任務，並儘可能提高各 AGV 的負載利用率。

  為便於研究，提出一系列假設。假設每個運輸任務僅含一件商品，且商品重量和體積均小於 AGV 的負載與容量;各 AGV 在運輸過程中保持恆定速度，忽略啟停時的速度波動;在額定負載範圍內，允許 AGV 一次完成多項運輸任務;在當前任務批次完成前，調度系統不接收新任務;AGV 完成任務後沿固定路線返回。這些假設雖簡化了問題，但也存在一定局限性，可能與實際應用情況存在偏差。

  基於上述問題與假設，構建數學模型。模型需滿足多個約束條件，如每個任務只能由一輛 AGV 執行，任務質量不能超過 AGV 額定載重量且應儘量達到最大值，AGV 下一個任務的開始時刻需大於或等於上一個任務的完成時刻等。同時，以任務完成總時間最小為目標，建立相應的目標函數。

  二、負載差異導向的自動導引車任務分配創新策略

  當調度系統收到待分配任務後，會根據各 AGV 的負載能力生成預分配方案。具體操作是，先將滿足 AGV 最大負載能力的任務分配給相應的 AGV，如果該 AGV 在本次任務分配中未達到最大負載利用率，就允許其繼續完成不超過負載能力的其他任務，即採用組合運輸任務的方式，將多個任務分配給同一 AGV。最終從所有預分配方案中，選出既能使完成任務總時間最短，又能保證各 AGV 負載利用率最高的分配方案。

  三、適配新策略的自動導引車任務分配算法設計

  為實現上述任務分配策略，設計了融合貪婪思想的遺傳算法。該算法流程首先根據各 AGV 的負載能力差異初始化任務分配方案，接著通過疊代優化適應度值。適應度值的評價綜合考慮任務完成時間與 AGV 負載利用率，在疊代過程中，利用選擇、交叉和變異操作更新種群，保留最優解，以平衡全局搜索與局部優化。當達到最大疊代次數時，輸出滿足負載約束且總時間最短的可行方案，並進一步篩選出平均負載利用率最高的分配策略。

  在遺傳算法設計方面，採用整數編碼，每條染色體的基因位與任務對應，數值代表 AGV 編號。初始化種群時，根據 AGV 數量、負載能力、任務數量和重量，用隨機數生成初始種群，並通過校驗和貪婪思想調整，將負載利用率最高的方案作為初始種群。遺傳操作採用輪盤賭選擇、交叉和變異操作，適應度函數以 AGV 完成所有任務的最大總時間最短為評價指標。同時，設定交叉機率為 0.7、變異機率為 0.01，並採取精英保留策略。

  四、自動導引車任務分配策略的算例實證分析

  在某倉儲系統中，有 5 輛配備 3 種不同負載能力的自動導引車，其中 AGV1 負載能力為 1t，空載速度為 2m/s;AGV2 - AGV4 負載能力為 2t，空載速度為 1.5m/s;AGV5 負載能力為 3t，空載速度為 1m/s。該系統有 12 個運輸任務，各任務具有特定的坐標位置，倉儲系統也有相應的柵格圖布局。

  (一)運輸任務總重量對分配結果的影響

  通過控制變量法，僅按 1∶1∶1 的比例關係更改任務量，探究不同任務總重量下策略的運行效果。實驗發現，無論任務總質量如何變化，AGV1 的負載利用率始終為 100%。隨著任務總質量增加，其餘 AGV 的負載利用率有所波動，但方差最大僅為 0.01，表明該策略穩定性良好。同時，運輸任務總質量增加時，任務耗時增長幅度較為穩定，在總質量低於 72t 時，每組任務耗時增長幅度不超 300s;當總質量超過 72t 時，任務耗時急劇增加。這體現了該策略在高質量任務環境下，雖能有效利用 AGV 負載能力，但也因任務指派限制導致耗時上升。

  (二)不同質量的任務比對任務分配結果的影響

  設置運輸任務總質量為 30t，任務運輸質量為 1t、2t 或 3t，通過不同質量任務比例設置進行實驗。結果顯示，無論質量比例如何變化，AGV 平均負載利用率均在 96% 以上，方差最大為 0.16。當輕量任務占比大時，任務耗時最小;大質量任務增多時，任務耗時增加。這表明大質量任務對任務完成總時間影響顯著，同時也說明在調度策略設計中，需平衡任務組合靈活性與負載利用率，以實現最佳調度效果。

  (三)不同任務分配策略結果對比分析

  將基於負載能力差異的策略與傳統遺傳算法、文化混合算法以及改進疊代局部搜索算法進行對比實驗。在不同總質量實驗條件下，基於負載能力差異的策略時間曲線上升更為平緩，整體時間低於其他三種算法，最大任務總時間減少了 42.86%;其 AGV 平均負載利用率變化曲線平穩，波動小，且遠遠高於其他三種算法，相較於傳統遺傳算法，AGV 平均負載利用率提高了 81.8%，充分體現了該策略的合理性與優越性。

  綜上所述，研究提出的負載差異導向下的多自動導引車系統任務分配策略，通過考慮AGV負載能力差異，採用組合運輸任務的方式，結合特定設計的遺傳算法，在提高 AGV 負載利用率和減少任務完成時間方面表現出色。在不同運輸任務總質量和不同任務質量比例情形下，均展現出較高的穩定性和有效性，且相比傳統算法具有顯著優勢。然而，目前研究僅針對離線系統下的任務分配，未來可進一步探索在線系統任務分配，研究作業周期內運輸任務隨機到達的情況，以進一步完善多 AGV 系統任務分配策略，推動自動導引車產業在2025年及未來的持續發展。