近年来,自动导引小车（AGV）在工业生产和电商仓储等领域的应用呈现出愈发广泛的趋势。由于AGV设备具有运载量大、全天候、自动化等特点,对于仓储环节中耗时最长且成本最高的分拣出库环节显现出良好的适用性。在过往研究中,众多学者对多AGV调度问题的讨论主要集中于路径算法优化和避障策略等领域,但是对于分拣作业尤其是电商仓储领域的具体业务场景研究深度不足,AGV调度策略优化与分拣相关环节优化的协同性较为欠缺。本研究以电商仓储为场景聚焦,对其分拣环节进行了仿真建模。利用某运维中的跨境电商企业仓储出库数据,从SKU组合与货位分配、路径优化算法、负载平衡及避障策略等层面进行实验及研究。结果表明:改进和提升多AGV分拣系统中的策略协同度,能够有效降低作业代价,提升整体运作效率。本文的具体研究内容及结果包括:提出一种基于出库相似度的SKU组合策略。将货架按照出库频次降序排列,以此构建基于ABC分类的货位分配方法。通过重复实验对比四种常用货位分布策略下的最大搬运距离,确定该场景下的最优货位策略。在算法优化方面,提出一种引入模拟退火算法思想的遗传算法来优化分拣路径,并与传统图形遍历搜索算法进行性能对比。证明改进后的遗传算法能够在保证算法收敛效率的同时提升最优解搜索能力。在系统负载平衡方面,一是提出多AGV任务负载平衡方法,以满足静态规划条件下,在最小化AGV最大搬运距离的同时实现作业时间的平衡;二是从推演拥堵概率的角度出发,构建兼顾路网负载分布的AGV调度策略,从而降低搬运过程总代价。在解决拥堵和避障策略方面,针对电商仓储场景下不可避免出现的多AGV巷道内排队和问题,提出基于动态优先级的排队解决策略;此外通过构建时间窗右移的方法,有效规避了车辆路口冲突。