對于單臺的AGV的搬運很簡單，對于多臺AGV如何合理的安排，使其工作效率達到最高，這就需要用到AGV調(diào)度系統(tǒng)。AGV調(diào)度系統(tǒng)一旦為AGV指定好路徑后，AGV上的車載控制器會根據(jù)指令完成具體的運動控制任務(wù)，例如速度保持在多少，遇到路口轉(zhuǎn)向時輪子怎么轉(zhuǎn)動等等。所以在一個完整的大系統(tǒng)中，AGV調(diào)度系統(tǒng)位于上層控制系統(tǒng)和底層控制系統(tǒng)的中間，其到管家的作用。對于多個AGV，調(diào)度問題就會變得非常困難，而且AGV數(shù)量越多，難度越大。因此，調(diào)度系統(tǒng)成為AGV行業(yè)的一個關(guān)鍵技術(shù)。

能夠調(diào)度的AGV數(shù)量也成為評判一個調(diào)度系統(tǒng)強大與否的重要指標(biāo)。對此霸特爾表示道：目前具有自主研發(fā)的AGV調(diào)度系統(tǒng)的AGV企業(yè)并不多，能夠真正把調(diào)度系統(tǒng)優(yōu)化的很好、能夠最高效率地利用AGV系統(tǒng)的AGV企業(yè)更是屈指可數(shù)。米克力美自主研發(fā)的AGV調(diào)度系統(tǒng)軟件功能非常豐富包括：任務(wù)管理、車輛狀態(tài)監(jiān)控、路徑規(guī)劃、地圖編輯、數(shù)據(jù)庫查詢等。

AGV路線優(yōu)化和實時調(diào)度是當(dāng)前AGV領(lǐng)域的一個研究熱門，常用的方法主要有一下三種：

1. 數(shù)學(xué)規(guī)劃方法

AGV選擇最佳的任務(wù)及最佳路徑，可以歸納為一個任務(wù)調(diào)度問題。實際用中的方法主要有整數(shù)規(guī)劃、動態(tài)規(guī)劃、petri方法等。在小規(guī)模調(diào)度情況下，這類方法可以得到較好的結(jié)果，但是隨著調(diào)度規(guī)模的增加，求解問題耗費的時間呈指數(shù)增長，限制了該方法在負(fù)責(zé)、大規(guī)模實時路線優(yōu)化和調(diào)度中應(yīng)用。

2. 仿真方法

仿真方法通過對實際的調(diào)度環(huán)境建模，從而對AGV的一種調(diào)度方案的實施進行計算機的模擬仿真。實用中采用的方法有離散事件仿真方法、面向?qū)ο蟮姆抡娣椒ê?維仿真技術(shù)。

3. 人工智能方法

人工智能方法把AGV的調(diào)度過程描述成一個在滿足約束的解集搜索最優(yōu)解的過程。它利用知識表示技術(shù)將人的知識包括進去，同時使用各種搜索技術(shù)力求給出一個令人滿意的解。具體的方法有專家系統(tǒng)方法、遺傳算法、啟發(fā)式算法、神經(jīng)網(wǎng)絡(luò)算法。

多個AGV的調(diào)度需要規(guī)劃不同AGV的路徑，所以我們先了解下現(xiàn)有的路徑規(guī)劃方法。AGV是個聽話的笨蛋，如果調(diào)度系統(tǒng)想讓一個AGV從A走到B，它不能簡單地將A和B站點的信息給AGV，而是要將A到B之間的完整路徑告訴AGV。目前普遍用“圖”(graph 數(shù)學(xué)概念)對AGV的行駛空間進行建模，“圖”由節(jié)點和邊組成。所以AGV的行駛路徑可以表示為一系列相鄰的節(jié)點。

霸特爾認(rèn)為：AGV調(diào)度問題可以看成多機器人協(xié)調(diào)問題(Multi-Robot Coordination)的特例。多機器人共享一個環(huán)境，如何協(xié)調(diào)它們的運動使所有機器人都能能達到目標(biāo)。討論多機器人協(xié)調(diào)問題是為了對調(diào)度問題有更好的理解。最早的方法也是最簡單的方法之一，就是為不同的機器人設(shè)置不同的優(yōu)先級(Priority)。優(yōu)先級高的機器人先規(guī)劃自己的路徑，優(yōu)先級低的機器人將比它高的機器人的路徑視為障礙物，進而再進行規(guī)劃。當(dāng)然這種方法有個明顯的缺點：優(yōu)先級高的機器人過于霸道，它把所有的路都堵死了，以至于優(yōu)先級低的機器人怎么也找不到路。這時我們就要調(diào)整優(yōu)先級了。