AGV路線優化和實時調度是當前AGV領域的一個研究熱點。實用中，人們采用的方法主要有：
1． 數學(xué)規劃方法
爲AGV選擇最佳的任務及最佳路徑，可以歸納爲一個任務調度問題。數學(xué)規劃方法是求解調度問題最優解的傳統方法，該方法的求解過(guò)程實際上是一個資源限制下的尋優過(guò)程。實用中的方法主要有整數規劃、動态規劃、petri方法等。在小規模調度情況下，這(zhè)類方法可以得到較好(hǎo)的結果，但是随著(zhe)調度規模的增加，求解問題耗費的時間呈指數增長(cháng)，限制了該方法在負責、大規模實時路線優化和調度中應用。
2． 仿真方法
仿真方法通過(guò)對(duì)實際的調度環境建模，從而對(duì)AGV的一種(zhǒng)調度方案的實施進(jìn)行計算機的模拟仿真。用戶和研究人員可以使用仿真手段對(duì)某些調度方案進(jìn)行測試、比較、監控，從而改變和挑選調度策略。實用中采用的方法有離散事(shì)件仿真方法、面(miàn)向(xiàng)對(duì)象的仿真方法和3維仿真技術，有許多軟件可以用于AGV的調度仿真，其中，Lanner集團的Witness軟件可以快速建立仿真模型，實現仿真過(guò)程三維演示和結果的分析處理。
3． 人工智能(néng)方法
人工智能(néng)方法把AGV的調度過(guò)程描述成(chéng)一個在滿足約束的解集搜索最優解的過(guò)程。它利用知識表示技術將(jiāng)人的知識包括進(jìn)去，同時使用各種(zhǒng)搜索技術力求給出一個令人滿意的解。具體的方法有專家系統方法、遺傳算法、啓發(fā)式算法、神經(jīng)網絡算法。其中，專家系統方法在實用中較多采用，它將(jiāng)調度專家的經(jīng)驗抽象成(chéng)系統可以理解和執行的調度規則，并且采用沖突消解技術來解決大規模AGV調度中的規則膨脹和沖突問題。
由于神經(jīng)網絡具有并行運算、知識分布存儲、自适應性強等優點，因此，它成(chéng)爲求解大規模AGV調度問題是一個很有希望的方法。目前，用神經(jīng)網絡方法成(chéng)功的求解了TSP-NP問題，求解中，神經(jīng)網絡能(néng)把組合優化問題的解轉換成(chéng)一種(zhǒng)離散動力學(xué)系統的能(néng)量函數，通過(guò)使能(néng)量函數達到最小而求得優化問題的解。
遺傳算法是模拟自然界生物進(jìn)化過(guò)程中的遺傳和變異而形成(chéng)的一種(zhǒng)優化求解方法。遺傳算法在求解AGV的優化調度問題時，首先通過(guò)編碼將(jiāng)一定數量的可能(néng)調度方案表示成(chéng)适當的染色體，并計算每個染色體的适應度（如運行路徑最短），通過(guò)重複進(jìn)行複制、交叉、變異尋找适應度大的染色體，即AGV調度問題的最優解。
單獨用一種(zhǒng)方法來求解調度問題，往往存在一定的缺陷。目前，將(jiāng)多種(zhǒng)方法進(jìn)行融合來求解AGV的調度問題是一個研究熱點。如，將(jiāng)專家系統和遺傳算法融合，把專家的知識融入到初始染色體群的形成(chéng)中，以加快求解速度和質量。