随着电商的逐渐发展与成熟,仓储物流成为人们日益关注的重要环节。为了提高物料运输效率并节省人力和物力,多机器人系统广泛应用仓储场景中执行货物运输,分拣,搬运等任务。然而由于多机器人可能产生的不确定性,影响仓储系统的长久稳定运行。因此基于不确定性的多机器人调度算法对于提高仓储系统运行效率并保证系统实时性至关重要。本文主要研究基于充电及运动不确定性的多机器人调度规划算法,并将此研究重点分为基于充电不确定的多机器人充电管理问题与基于运动不确定性的多机器人路径规划问题,并分别设计了下列算法解决上述问题:针对基于充电不确定性的传统多机器人充电管理方法效率不高的问题,本文设计了一种多机器人充电规划算法,此算法包括基于任务序列分段的充电任务规划与基于最大二部图匹配的充电任务协调两个阶段,此算法在第一阶段中利用基于分段序列的充电规划方法,“拆分”机器人个体的任务序列分段,并对充电任务逐个规划;然后在第二阶段中,综合全部任务序列,结合最大二部图匹配算法,调整多机器人之间部分充电任务的充电站选择,以减少总体充电时间与任务执行时间。本文对该算法从总任务完成时间和算法计算时间两个方面进行了理论分析,以论述该算法的优越性。针对仓储场景中多机器人运动不确定性会导致系统崩溃的问题以及前人方法无法解决提高系统效率和保证算法实时性之间矛盾的问题,本文设计了一种基于运动地图分层的双层路径规划算法。首先,采用离散化建模的方式,生成栅格仓储地图,并将栅格地图分割为多个区域,然后重组为拓扑层与路由层。本文方法分别基于拓扑层与路由层对多机器人进行路径规划。在拓扑层中,本文算法结合区域拥堵程度计算,对多机器人的区域通行次序进行规划,目的是平衡机器人在不同区域之间的分布并保证算法的整体实时性;而在路由层中,本文算法采用区域分布式的规划方式,并提出一种基于MDP与不确定性概率的规划方法对区域内的机器人进行集中式路径规划,以提高系统效率。此方法充分考虑了机器人存在的运动不确定性及其概率,其中主要包括以下两个方面:首先,在此方法中,规划步长随不确定性概率改变而调整,降低重规划次数;其次,将传统MDP方法与不确定性概率相结合从而提高存在在不确定性下的算法优化性。本文对该算法进行了理论分析,包括该路径规划算法是否有解以及规划路径的可行性,算法的优化性。为验证上述算法的实际应用效果,本文分别设计并开发了一套面向仓储场景的多机器人调度系统与仿真系统,其中,调度系统包含地图管理,任务管理,AGV管理,路径管理等功能。仿真系统包含仓储场景仿真及AGV建模仿真功能。本文分别基于实际仓储环境与仿真场景对上述系统进行了多车运行测试,经过长期运行验证,本文所设计开发的调度系统与仿真系统可兼顾实体AGV调度与仿真测试需要,极大满足了仓储系统的动态及实时性要求。与此同时,在此系统的基础上,本文分别对所设计的两种算法进行了仿真测试,仿真结果验证了本文算法的有效性及实时性。