近些年电子商务的蓬勃发展给智能仓储带来了新的挑战,仓储规模持续增长,对仓储效率要求越来越高,而限制仓储整体效率的关键问题是仓储机器人的路径规划问题以及多机器人的调度问题。因此,为提高仓储效率,本文提出相应的解决方案,通过提高路径规划效率与路径质量以及优化任务分配结果来提高整体仓储效率。首先,阐述分析了云计算平台与云机器人的应用,引入阿里云服务器作为后续算法研究的计算平台;并对智能仓储作业流程作出了相关规定;最终确定了面向智能仓储的多机器人调度系统总体方案。其次,在路径规划方面,结合调度系统需求,针对快速扩展随机树算法存在的搜索随机、扩展冗余以及路径非最优等问题,提出了一种改进算法。首先,在原始快速扩展随机树算法的基础上引入贪婪思想,改进节点扩展策略;其次,通过引入自适应采样因子限制采样区域以优化搜索时间,提高算法效率;最后,通过删除路径冗余节点,并利用优化算法使节点向障碍物迫近而进一步优化了路径长度。仿真结果表明,在不同复杂程度的场景中,改进算法能以更少的扩展次数,更快的收敛速度求解得到一条质量更优的路径。再次,针对基本拍卖算法在多机器人任务分配过程中机器人无法执行多任务的问题,提出了一种基于任务间聚集度的改进任务分组方法,并在此基础上构建了智能仓储多机器人任务分配的数学模型,优化了机器人执行任务的总路程同时均衡了机器人的负载,使得分配更加合理;同时针对路径规划与任务分配割裂的问题,在分配算法中接入路径规划算法,使得算法能适应复杂地图,分配结果更加可靠。最后仿真实验结果表明:改进算法具有更小的全局路径代价和更均衡的分配结果;同时融入路径规划算法的任务分配结果更符合预期分配。最后,综合路径规划与任务调度,完成了调度软件的设计开发,丰富了调度系统服务层的功能,主要包含系统登录管理、任务订单管理以及机器人监控管理等模块。同时通过搭建模拟仓储环境布局,在实际环境中验证了路径规划方法的有效性,并在此基础上,在搭建的调度软件平台上完成了模拟整个智能仓储调度过程的实验以及不同路径算法与任务分配算法组合的对比实验,验证了整个系统及算法的有效性。