对于单台的AGV的搬运很简单，对于多台AGV如何合理的安排，使其工作效率达到最高，这就需要用到AGV调度系统。AGV调度系统一旦为AGV指定好路径后，AGV上的车载控制器会根据指令完成具体的运动控制任务，例如速度保持在多少，遇到路口转向时轮子怎么转动等等。所以在一个完整的大系统中，AGV调度系统位于上层控制系统和底层控制系统的中间，其到管家的作用。对于多个AGV，调度问题就会变得非常困难，而且AGV数量越多，难度越大。因此，调度系统成为AGV行业的一个关键技术。

能够调度的AGV数量也成为评判一个调度系统强大与否的重要指标。对此霸特尔表示道：目前具有自主研发的AGV调度系统的AGV企业并不多，能够真正把调度系统优化的很好、能够最高效率地利用AGV系统的AGV企业更是屈指可数。米克力美自主研发的AGV调度系统软件功能非常丰富包括：任务管理、车辆状态监控、路径规划、地图编辑、数据库查询等。

AGV路线优化和实时调度是当前AGV领域的一个研究热门，常用的方法主要有一下三种：

1. 数学规划方法

AGV选择最佳的任务及最佳路径，可以归纳为一个任务调度问题。实际用中的方法主要有整数规划、动态规划、petri方法等。在小规模调度情况下，这类方法可以得到较好的结果，但是随着调度规模的增加，求解问题耗费的时间呈指数增长，限制了该方法在负责、大规模实时路线优化和调度中应用。

2. 仿真方法

仿真方法通过对实际的调度环境建模，从而对AGV的一种调度方案的实施进行计算机的模拟仿真。实用中采用的方法有离散事件仿真方法、面向对象的仿真方法和3维仿真技术。

3. 人工智能方法

人工智能方法把AGV的调度过程描述成一个在满足约束的解集搜索最优解的过程。它利用知识表示技术将人的知识包括进去，同时使用各种搜索技术力求给出一个令人满意的解。具体的方法有专家系统方法、遗传算法、启发式算法、神经网络算法。

多个AGV的调度需要规划不同AGV的路径，所以我们先了解下现有的路径规划方法。AGV是个听话的笨蛋，如果调度系统想让一个AGV从A走到B，它不能简单地将A和B站点的信息给AGV，而是要将A到B之间的完整路径告诉AGV。目前普遍用“图”(graph 数学概念)对AGV的行驶空间进行建模，“图”由节点和边组成。所以AGV的行驶路径可以表示为一系列相邻的节点。

霸特尔认为：AGV调度问题可以看成多机器人协调问题(Multi-Robot Coordination)的特例。多机器人共享一个环境，如何协调它们的运动使所有机器人都能能达到目标。讨论多机器人协调问题是为了对调度问题有更好的理解。最早的方法也是最简单的方法之一，就是为不同的机器人设置不同的优先级(Priority)。优先级高的机器人先规划自己的路径，优先级低的机器人将比它高的机器人的路径视为障碍物，进而再进行规划。当然这种方法有个明显的缺点：优先级高的机器人过于霸道，它把所有的路都堵死了，以至于优先级低的机器人怎么也找不到路。这时我们就要调整优先级了。