1.一种多AGV调度的优化方法，其特征在于，包括：

步骤1：为每台AGV配置路径起点和路径终点，根据每台AGV的路径起点和路径终点规划得到每台AGV的初始路径，其中初始路径包括若干初始路径节点；

步骤2：通过遗传方法对初始路径进行优化得到最优路径，其中，最优路径包括若干最优路径节点；

所述步骤2，具体包括：

步骤21：初始化种群，将多台AGV的初始路径转换为初始种群；

步骤22：根据轮盘赌法的选择方法对初始种群进行选择得到选择结果；

步骤23：对选择结果进行交叉处理；

步骤231：根据适应度函数计算得到选择结果的适应度值；

步骤232：根据如下交叉概率公式计算得到交叉概率：

其中，Pc为交叉概率，Pcmax为交叉概率的最大值，Pcmin为交叉概率的最小值，faverage为选择结果中个体的平均适应值，fobj为选择结果中个体的适应度值，fmax为选择结果中个体的最大适应值；

步骤233：随机选取0‑1之间的一个数作为交叉阈值；

步骤234：判断交叉概率是否大于交叉阈值，若是则对选择结果进行交叉运算，并将交叉运算后的选择结果更新初始种群，从而实现对初始种群的交叉优化，若否则不对选择结果进行交叉运算；

步骤24：对选择结果进行变异处理；

步骤241：根据适应度函数计算得到选择结果的适应度值；

步骤242：根据如下变异概率公式计算得到变异概率：

其中，Pm为变异概率，Pmmax为变异概率的最大值，Pmmin为变异概率的最小值；

步骤243：随机选取0‑1之间的一个数作为变异阈值；

步骤244：判断变异概率是否大于变异阈值，若是则对选择结果进行变异运算，并将变异运算后的选择结果更新初始种群，从而实现对初始种群的变异优化，若否则不对选择结果进行变异运算；

步骤25：种群迭代次数加1，判断种群迭代次数是否不小于最大迭代次数，若否则迭代步骤22至步骤25，若是则将更新后的初始种群代入适应度函数计算得到各个个体的适应度值，选取其中最大适应度值的个体作为最优路径；

步骤3：通过时间窗方法计算得到最优路径的时间窗，判断不同AGV的最优路径之间是否存在冲突，若是则采用设置等待时间或更换最优路径的方式规避冲突；

步骤4：根据每台AGV的路径起点、路径终点、最优路径、最优路径的时间窗和任务优先级配置得到每台AGC的运输任务，控制每台AGV执行运输任务，其中，运输任务包括路径起点、路径终点、路径节点、等待时间和任务优先级。

2.根据权利要求1所述的一种多AGV调度的优化方法，其特征在于，所述步骤3，具体包括：步骤31：通过时间窗方法计算得到最优路径的时间窗，最优路径的时间窗采用表示为其中，A1、A1...An分别表示第1台AGV的时间窗、第2台AGV的时间窗…第n台AGV的时间窗，A11、A12...A1k分别表示第1台AGV经过第1个最优路径节点的时间窗，第1台AGV经过第2个最优路径节点的时间窗…第1台AGV经过第k个最优路径节点的时间窗，A21、A22...A2k分别表示第2台AGV经过第1个最优路径节点的时间窗，第2台AGV经过第2个最优路径节点的时间窗…第2台AGV经过第k个最优路径节点的时间窗，An1、An2...Ank分别表示第n台AGV经过第1个最优路径节点的时间窗，第n台AGV经过第2个最优路径节点的时间窗…第n台AGV经过第k个最优路径节点的时间窗；

步骤32：判断第x台AGV的最优路径和第y台AGV的最优路径是否存在重叠的最优节点，若否则判断第x台AGV的最优路径和第y台AGV的最优路径不存在冲突，若是则根据重叠的最优节点获取第x台AGV上对应的时间窗和第y台AGV上对应的时间窗，其中，0≤x≤n，0≤y≤n，x≠y；

步骤33：判断第x台AGV上对应的时间窗和第y台AGV上对应的时间窗是否存在重叠部分，若是则判定第x台AGV的最优路径和第y台AGV的最优路径存在冲突并为第x台生成等待时间；

步骤34：判断等待时间是否不大于高效时间范围内，若是则根据等待时间更新第x台AGV的时间窗，若否则更换第x台AGV的最优路径。

3.根据权利要求1所述的一种多AGV调度的优化方法，其特征在于，所述适应度函数fitness采用如下公式表示：其中，dij为第i个路径节点和第j个路径节点之间的路径长度，n代表路径节点总数，T为AGV走完整个路径所需的时间，1≤i≤n，j是i的下一个节点。

4.根据权利要求1所述的一种多AGV调度的优化方法，其特征在于，所述初始化种群包括初始化种群的迭代次数。