进入本世纪以来电商业务量和快递业务量的高速增长,给无人仓管理系统的研发与应用注入了巨大的动力。对于任务规模化、货架密集型的仓储作业环境而言,货物的放置优化以及自动导引运输车(Automated Guided Vehicle,AGV)的路径规划算法对于提升无人仓管理系统整体性能、降低各方面运营成本和提高企业利润等方面都起到了关键作用。目前对于提高AGV作业服务效率的研究主要集中在研究AGV的路径规划算法上。然而无人仓管理系统是一个庞大的各种作业紧密关联的系统,对于其它作业的优化研究也将较大地影响AGV的服务效率。目前,对于优化无人仓物品与货架放置算法的研究还相对较少,在无人仓中不同的物品与货架放置策略将需要不同的取货任务调度策略。因此,如何改善物品与货架的放置算法和取货任务调度算法来影响AGV的服务效率成为本研究关注的问题。对于上述问题,本文的主要研究工作如下:首先,对无人仓管理系统的环境进行建模,根据现实无人仓工作环境,选取无人仓中的关键设备,剔除与本研究内容无关的设备,并且对所选取的设备的功能和其在无人仓中的工作方式进行了模型抽象。然后,针对无人仓物品与货架放置问题提出了基于共现矩阵和深度优先搜索的放置算法。在仓库中所存储的各种物品之间,总是或多或少的存在一定的关联性。通过制定这种关联性挖掘算法,先找到无人仓中物品之间的关联性,然后根据这种关联性在考虑无人仓中货架的存储条件提出了物品在货架中的放置算法,以使存储在同一货架中的物品有最大的关联性。其次,针对取货任务分配问题设计一个综合考虑“单次任务”作业模式和“多任务”作业模式的取货任务调度算法。在优化了物品与货架放置算法之后,对于取货任务的调度将不再是每次只给每个货架分配一个取货任务。因为货架中的物品之间有了一定的关联性,邻近的取货任务中将有较大的概率出现在相同的货架。因此,优化了无人仓中取货任务的调度算法,以使系统能将更多的取货任务分配到一个货架中。最后,针对无人仓的环境建模,搭建了实验平台。通过获得的数据集构建实验场景,以初级验证和仿真实验平台验证,证明了本文提出的算法的可行性和优化效果。经过实验的运行和测试,最终的实验结果表明,经过本文提出的算法,无人仓管理系统的工作效率得到了显著提高,同时也提高了系统的抗压能力。