无人系统的快速发展使得其应用场景更加广泛。无人车是无人系统中的一类,由于单辆无人车运载能力有限,一般使用多车系统来进行多任务的响应。这就出现了如何进行任务分配,使得系统可以在安全的前提下达到运输成本最低这一问题,也就是无人系统中的多车调度问题。同时,由于应用场景不同,调度问题也会有不同的具体约束条件限制。目前现有的多车调度算法仍存在瓶颈,对于多订单同时进行调度的场景,在系统总调度路径长度、总调度时间和任务完成用时这三个维度仍然没有达到可解释的系统最优,存在优化的空间,同时,对于典型的应用场景例如存在路径场景约束的自动导引运输车调度系统,需要生成带有路径避碰的优化调度方案,对于存在时间约束的无人物流配送车调度场景,需要生成带有时间窗约束的优化调度方案。因此,本文针对多车系统的调度算法进行研究,提出了一种用于多车调度的改进遗传算法,同时对多车系统中的自动导引运输车调度系统与无人物流配送车调度系统进行分析,对所提出算法进行对应系统在不同约束条件下的优化,实现其在这两个场景的应用。首先,本文调研了对于现有的多车调度算法并将其分类,通过对传统启发式算法中的遗传算法与蚁群算法进行分析,根据其优缺点对两种算法做了相应优化,分别设计了自适应的遗传算法进化因子与蚁群算法信息素更新方式。同时,为了提升算法效率,设计了一种将遗传算法与蚁群算法进行级联的改进遗传-蚁群算法并设计了自适应的算法切换因子与信息素浓度初始化计算方式,实现了两种算法以一定方式的组合改进。经过标准数据集实验证明改进算法具有更好的计算性能与实用性。随后,通过对不同多车系统进行分析,选取了自动导航运输车调度系统、无人快递配送车调度系统这两个典型系统进行分析,对算法进行不同方向的优化。对于自动导航运输车调度系统,提出了一种基于时空图搜索的路径优化方法,在使用改进遗传算法进行调度的基础上对自动导航运输车路径进行优化,实现路径冲突的避免;对于无人快递配送车系统,提出了一种基于时间窗的改进遗传算法,将时间代价作为算法计算的适应度的因式之一,同时将容量限制量化为条件约束,使函数在计算的过程中满足容量的限制,实现无人快递配送车系统的调度。对每一个系统均设计实验证明了所提出的改进遗传算法及优化方法的可行性与高效性。