随着互联网、物联网技术的发展普及,智能仓库逐渐取代传统的物流仓库,但其在移动机器人订单拣选过程中仍存在着调度难、效率低、成本高等问题。优化订单拣选过程能够提高智能仓储运行效率、降低拣选成本,进而提高顾客服务满意度和企业利润率。因此,深入研究当前智能仓储系统下移动机器人订单拣选过程中的关键问题具有重要的科学理论意义,更有着广阔的现实应用价值。本文分析了智能仓库订单拣选的运行流程,针对过程中出现的订单分批、任务分配、移动机器人路径规划、多机器人协同问题展开具体研究。主要完成了以下工作:首先,研究总结了智能仓库系统的构成、功能及运行流程。在此基础上,采用栅格化方法对智能仓库环境进行建模。针对仓储订单分批策略,对静态时窗分批与动态时窗分批进行比较分析。综合上述两种分批方法的优点,提出了（Q,T）时窗分批策略,得到各时间窗下所需拣选的订单批次。然后,求解移动机器人拣选过程中的路径规划问题。综合分析全局路径规划和局部路径规划在优化目标、使用场景等要素上的异同点。在全局路径规划方面,针对传统蚁群算法在求解过程中易陷入局部最优、收敛速度慢等问题,提出改进蚁群算法。改进蚁群算法适应栅格化环境特点,及时跳出局部最优解,缩短路径长度且提高实际路径可行性。在环境大小、复杂度不同的模型下进行仿真实验,验证了改进蚁群算法的高效性和稳定性。在局部路径规划方面,分析多机器人协同过程中出现的局部路径冲突类型,提出改进优先级法,不仅用于化解路径冲突,而且在多机器人系统层面提高整体拣选效率。最后,根据多机器人任务分配与路径规划之间的相互作用,提出任务分配-路径协同联合优化。将全局路径规划作为底层研究,局部路径规划作为中间层研究,在这两层的搭建基础上,建立基于EMTSP的多机器人任务分配模型。模型以多机器人系统总体拣选时间最短为目标,运用遗传算法求解,使用符号矩阵编码法初始化种群,采用精英策略、多点交叉、实值变异等遗传操作。仿真结果显示,该算法在拣选路径总长度和总时间方面均有优势。论文的研究工作丰富了蚁群算法、遗传算法及旅行商问题理论,对优化机器人拣选路径、提高智能仓库多机器人系统拣选效率具有借鉴作用。