1．?dāng)?shù)學(xué)規(guī)劃方法
        為AGV選擇最佳的任務(wù)及最佳路徑，可以歸納為一個(gè)任務(wù)調(diào)度問(wèn)題。數(shù)學(xué)規(guī)劃方法是求解調(diào)度問(wèn)題最優(yōu)解的傳統(tǒng)方法，該方法的求解過(guò)程實(shí)際上是一個(gè)資源限制下的尋優(yōu)過(guò)程。實(shí)用中的方法主要有整數(shù)規(guī)劃、動(dòng)態(tài)規(guī)劃、petri方法等。在小規(guī)模調(diào)度情況下，這類(lèi)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(wèn)題耗費(fèi)的時(shí)間呈指數(shù)增長(zhǎng)，限制了該方法在負(fù)責(zé)、大規(guī)模實(shí)時(shí)路線(xiàn)優(yōu)化和調(diào)度中應(yīng)用。

2．仿真方法
        仿真方法通過(guò)對(duì)實(shí)際的調(diào)度環(huán)境建模，從而對(duì)AGV的一種調(diào)度方案的實(shí)施進(jìn)行計(jì)算機(jī)的模擬仿真。用戶(hù)和研究人員可以使用仿真手段對(duì)某些調(diào)度方案進(jìn)行測(cè)試、比較、監(jiān)控，從而改變和挑選調(diào)度策略。實(shí)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)，有許多軟件可以用于AGV的調(diào)度仿真，其中，通過(guò)軟件可以快速建立仿真模型，實(shí)現(xiàn)仿真過(guò)程三維演示和結(jié)果的分析處理。

3．人工智能方法
      人工智能方法把AGV調(diào)度過(guò)程描述成一個(gè)在滿(mǎn)足約束的解集搜索最優(yōu)解的過(guò)程。它利用知識(shí)表示技術(shù)將人的知識(shí)包括進(jìn)去，同時(shí)使用各種搜索技術(shù)力求給出一個(gè)令人滿(mǎn)意的解。具體的方法有專(zhuān)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。其中，專(zhuān)家系統(tǒng)方法在實(shí)用中較多采用，它將調(diào)度專(zhuān)家的經(jīng)驗(yàn)抽象成系統(tǒng)可以理解和執(zhí)行的調(diào)度規(guī)則，并且采用沖突消解技術(shù)來(lái)解決大規(guī)模AGV調(diào)度中的規(guī)則膨脹和沖突問(wèn)題。

由于神經(jīng)網(wǎng)絡(luò)具有并行運(yùn)算、知識(shí)分布存儲(chǔ)、自適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，因此，它成為求解大規(guī)模AGV調(diào)度問(wèn)題是一個(gè)很有希望的方法。目前，用神經(jīng)網(wǎng)絡(luò)方法成功的求解了TSP-NP問(wèn)題，求解中，神經(jīng)網(wǎng)絡(luò)能把組合優(yōu)化問(wèn)題的解轉(zhuǎn)換成一種離散動(dòng)力學(xué)系統(tǒng)的能量函數(shù)，通過(guò)使能量函數(shù)達(dá)到最小而求得優(yōu)化問(wèn)題的解。

     遺傳算法是模擬自然界生物進(jìn)化過(guò)程中的遺傳和變異而形成的一種優(yōu)化求解方法。遺傳算法在求解AGV的優(yōu)化調(diào)度問(wèn)題時(shí)，首先通過(guò)編碼將一定數(shù)量的可能調(diào)度方案表示成適當(dāng)?shù)娜旧w，并計(jì)算每個(gè)染色體的適應(yīng)度（如運(yùn)行路徑最短），通過(guò)重復(fù)進(jìn)行復(fù)制、交叉、變異尋找適應(yīng)度大的染色體，即AGV調(diào)度問(wèn)題的最優(yōu)解。

單獨(dú)用一種方法來(lái)求解調(diào)度問(wèn)題，往往存在一定的缺陷。目前，將多種方法進(jìn)行融合來(lái)求解AGV的調(diào)度問(wèn)題是一個(gè)研究熱點(diǎn)。如，將專(zhuān)家系統(tǒng)和遺傳算法融合，把專(zhuān)家的知識(shí)融入到初始染色體群的形成中，以加快求解速度和質(zhì)量。