En el contexto del desarrollo continuo y la madurez de la fabricación inteligente y la logística inteligente, se ha observado que la mayoría del mantenimiento de vehículos en trenes EMU todavía se basa en métodos tradicionales, caracterizados por una intervención manual excesiva y baja eficiencia. Para abordar estas deficiencias, el presente estudio propone la integración de Vehículos Guiados Automáticos (AGVs) para mejorar los procesos de mantenimiento tradicionales, mejorando así la eficiencia y la calidad del mantenimiento de vehículos. Específicamente, esta investigación se centra en el escenario del taller de mantenimiento en trenes EMU e investiga el problema de asignación de tareas para múltiples AGVs. Teniendo en cuenta factores como la capacidad de carga máxima de los AGVs, la energía restante de la batería y el tiempo de ejecución de la tarea, se formula un modelo matemático con el objetivo de minimizar la distancia total y el tiempo requerido para completar todas las tareas. Se diseña un algoritmo genético de múltiples poblaciones para resolver el modelo. La efectividad del modelo y algoritmo propuestos se valida a través de experimentos de simulación, considerando escenarios tanto a pequeña como a gran escala. Los resultados indican que el algoritmo genético de múltiples poblaciones supera al algoritmo de enjambre de partículas y al algoritmo genético en términos de estabilidad, rendimiento de optimización y convergencia. Esta investigación proporciona orientación científica y conocimientos prácticos para empresas que adoptan estrategias de asignación de tareas utilizando múltiples AGVs.