郭 剑，史耀耀，胡 昊，陈 振，张军锋，赵 盼

（1.西北工业大学机电学院，西安 710072；2.西北工业大学航空发动机高性能制造工业和信息化部重点实验室，西安 710072；3.西安建筑科技大学机电工程学院，西安 710055）

随着计算机技术、传感器技术、无线通信技术和机器人技术快速发展，制造业正向高度自动化和智能化方向发展[1]。自新冠肺炎全球蔓延以来，5G技术、大数据中心、工业物联网、人工智能和机器人技术在“抗疫”中发挥了极大作用，力促我国加速工业“新基建”的投入。在这一背景下，企业将大量使用移动机器人和自动导引运输车(Automated guided vehicle,AGV)进行车间调度和仓库物料配送，实现智能化生产和供应链管理[2]。

当前，制造企业面临着激烈的市场竞争和不断上升的制造成本等方面的挑战，同时产品需求频繁波动也给企业带来较大压力[3]。而物料调度不仅能够优化完工时间，同时在遵从客户需求下能够找到设备、路径和运送时间等的最佳组合。近几年国内外对于物料机器人调度方面的研究主要集中于传统静态调度问题，即在所有信息稳定且已知的情况下通过启发算法求解。朱琳等[4]提出了一种改进的遗传算法进行自动导航小车的任务分配和任务排序优化。Mousavi等[5]结合遗传算法和粒子群算法优化柔性车间中的多目标AGV调度问题。Gen等[6]以最小完工时间为优化目标，应用基于混合优先级的遗传算法求解AGV调度问题。Jerald等[7]提出自适应的遗传算法和蚁群算法，以实现AGV调度中的综合惩罚成本和机器空闲时间的最小化。……