Auto Store密集型仓储系统是一种集密集货架与AGV搬运小车于一体的新型仓储系统,与现有系统相比,在仓储空间利用与作业效率上具有一定的优越性。现阶段国内外学者对密集型仓储系统的研究多以穿梭式密集仓储系统为主,内容包括:仓储作业任务分批或合并、仓储AGV资源配置优化、储位分区以及调度路径优化等。目前,针对“货到人”仓储系统研究较少。本文以此为研究对象,对仓储系统中的资源配置优化、任务分配以及路径规划等问题进行研究,在研究过程中,对部分方法进行适应性的改进。主要研究内容如下:根据仓储系统作业流程建立Petri网模型及Flexsim仿真模型,分析仓储系统中影响仓储作业能力的两大因素——AGV数量与出入库作业台数量的最优配置关系。并通过建立数学模型,分析最优数量计算公式,以及当该系统货架高度变化和订单频率变化时,对仓储系统AGV及作业台最优数量配置的影响。通过数学公式推导得出它们之间的具体关系,并采用仿真软件设计实验进行验证。针对AGV调度任务分配问题,进行数学建模。设计改进的自适应多种群遗传算法对问题进行求解,主要改进点为:增加算法对生成的初始解分布判断,使初始解能较为均匀地分布在解空间中,保证算法的多样性,避免陷入局部最优解。其次,针对低适应度的解,提高交叉变异的几率,若解没有达到平均适应度,就再提高一个几率范围以加快收敛速度。通过实例,验证所提出的改进多种群遗传算法的可行性与有效性。对仓储多AGV系统路径规划问题进行分析,提出基于拓扑图权重的两阶段A*算法,设计新的启发式函数,不仅减少算法对路径节点的搜索量,提高算法速度,减少AGV交通冲突发生的可能。对交通冲突提出冲突类型预测机制,根据不同冲突类型设计冲突解决策略。在多AGV冲突中,设计贪心算法对策略集的求解思路,减少冲突策略对后续通行AGV的影响,使AGV冲突等待时间成本最低。设计实验方案,对改进A*算法及冲突解决策略进行仿真验证。