随着智能制造2025战略的提出,基于数字孪生的智能工厂得到了越来越广泛的研究和应用。AGV智能物流配送系统实现企业生产环节物料的自动化运输,在智能工厂中起到了至关重要的作用,其中路径规划与仿真算法是车间AGV保障运行的关键算法,具有较为重要的理论意义及工程应用价值。本文以车间AGV为研究对象,对车间AGV的路径规划和仿真算法进行研究,并针对现有遗传算法和现有快速扩展随机树算法存在的问题,进行了算法的优化和改进,实现了AGV的路径规划。主要研究内容如下:在全局路径规划方面,针对现有遗传算法在求解机器人路径规划存在的收敛速度慢、易陷入局部最优等缺点,提出一种基于自适应遗传算法的机器人路径规划方法。该方法引入逆转算子,增加插入算子和删除算子,采用新的自适应策略对交叉和变异概率进行调整,更好地避免陷入局部最优,提高算法寻优效率。实验结果表明改进的自适应遗传算法比现有遗传算法更为有效。在局部路径规划方面,针对现有快速扩展随机树算法（RRT算法）存在的搜索效率低、规划路径偏离最优路径等问题,在分析现有RRT算法存在不足的基础上,提出一种改进RRT-Connect算法,该算法基于目标偏向、动态步长调整及关键节点选取等策略,在目标点和起始点相向扩展,算法在收敛速度和路径质量上达到了综合平衡。实验仿真结果表明改进RRT-Connect算法减少了多余采样点,提高了搜索效率,更能满足工程实际中的快速响应需求,综合性能较现有RRT算法更优。以上述算法为基础,在Inte3D平台上使用C++语言和Hoops渲染引擎开发AGV路径规划仿真原型系统,对智能工厂AGV智能物流配送系统进行仿真,解决车间AGV路径规划问题,验证了车间场景下所提算法的有效性和实用性。