针对复杂多目标异构自动引导车调度问题（MOSPHA-CP），综合考虑货物关联性与优先级，建立融合违约成本、客户信誉度、拣选时间要求、货物需求量及客户等级等优先级因素的多目标优化模型。为高效求解该问题，提出一种改进的混合变邻域搜索算法（hybrid variable neighborhood search,HVNS），其采用两阶段聚类与随机成本最优机制生成高质量的初始解，通过关联性破坏重组机制实现邻域扰动以避免早熟收敛，并结合多种邻域变换操作执行全局搜索以获得优质的可行解。采用IACO,GAVNS及改进的HVNS算法进行仿真实验，基于求解质量、收敛性、帕累托前沿等性能指标比较验证改进算法求解MOSPHA-CP的有效性。结果表明：改进HVNS在解质量上较对比算法提升30%⁴0%，且收敛性和帕累托前沿指标均表现出显著优势，验证了该算法求解MOSPHA-CP的有效性。