自动化立体仓库(Automated Storage and Retrieval System,AS/RS)是一个离散的、动态的、多因素、多目标的复杂系统,对AS/RS的智能化管理是复杂的系统优化问题。传统的方法求解过程不仅时间较长、成本较高,而且很难求得最优解。现代智能优化理论与AS/RS应用相结合,以进一步完善仓储的智能化管理、提高系统整体效率为目标,自动化仓储系统优化方法已成为智能化AS/RS的研究热点之一。本文通过采用遗传算法(GA)对AS/RS的智能调度和库存控制问题进行研究,提出了 AS/RS智能调度方法和库存控制方法,并通过仿真实验验证算法的可行性及准确性。本文在AS/RS智能调度方面的主要研究内容如下:1)在分析AS/RS的系统结构及业务流程的基础上,提出了基于“整体—局部”结构的分布式智能调度方法。基于层次分析法,给出了智能调度方案中各规则组合的权重计算方法。2)为了实现各仓储单元储存量相对均衡的目标,提出了出入库作业任务逐步优化的方法。以各存储单元储存量的方差最小作为目标,构建了优化模型。仿真实验表明,通过使用该优化算法仓储单元储存量的总体方差可从26.143大幅下降到0.167,储存量相对均衡效果显著。3)基于出入库货位分配组合规则建立了货位分配的多目标优化数学模型,并提出了基于整数、二进制混合编码的出入库货位分配遗传优化方法。实验结果表明,该优化方法经过10代左右可获得总体目标的最优解,而普通方法则需要40代左右,从而验证了综合优化方法的可行性及优化效率。4)出入库队列优化以堆垛机最小作业时间为目标,建立出入库作业队列智能优化的数学模型。提出了基于混合指令模式的整数编码GA优化方法。实验结果表明,经过优化作业队列的节省时间约14～15%,验证了该优化方法的可行性及有效性。AS/RS库存控制技术方面的研究内容有:1)盘点作业队列优化以堆垛机最小作业时间为目标建立的数学模型,利用面向对象技术,模拟串行盘点和并行盘点作业过程。根据实验分析,串行盘点方式的作业队列和并行盘点方式作业队列(单盘点组)经过优化后,节省作业时间约3.1%,并行盘点作业队列(双盘点组)优化后节省作业时间约11.9%。2)在分析堆垛机执行不同类型倒库作业任务时运行特点的基础上,提出倒库作业任务分类的集合运算方法。同时将倒库作业优化过程分解为倒库库位筛选优化、倒库作业队列优化两个部分。倒库库位筛选优化以提高物料分布集中程度为优化目标,最少移动次数为约束,建立智能优化数学模型。对比有约束和无约束优化实验曲线,发现曲线收敛速度都很快,均在第15代左右搜索到最优解且优化效果相近,但有约束优化的最优解的库位移动次数为3次,而无约束优化最优解移动次数达到16次。相对于无约束优化,有约束优化的效率要高。倒库作业队列优化以最小作业时间为优化目标,提出偶数基因位遗传交叉变异的GA优化方法。实验表明,经过优化适应度值从最初的1025s优化到了 851.20s,作业效率提高了 15.23%左右。3)根据四种不同确定型库存控制系统模型,阐述了最大库存量、安全库存量、补货周期等库存控制参数的计算方法。