随着中国智能制造2025计划的持续开展,特别是自动化技术与信息技术的深入融合,自动化立体仓库在现代物流仓储系统中逐渐取得广泛应用。与传统人工作业相比,自动化立体仓库具有占地面积小、节约空间、作业效率高等优点,是未来发展智慧工厂、智能车间,推动智能制造的有力引擎。但是在自动化设计的过程中,仍然存在一些可优化的空间,在一些特殊工况下也存在亟待解决的问题。其中,任务调度优化问题与出库货位优化设计问题是目前急需解决的关键问题。研究任务调度优化问题的目的在于提高系统的作业效率,而研究出库货位优化问题则是为了解决在特殊工况下由最短路径设计原则带来的库存呆滞问题。解决这两个问题是为了提高经济效益,降低运行成本,使系统对各类工况的处理能力更强。因此研究这两类问题对于工程实际具有一定的意义。针对上述两个问题,本文进一步研究了自动化立体库的实际工作情况,完成了下述两个方面的工作内容:（1）调度优化问题。本文首先分析了堆垛机在不同作业下的工作效率,其次研究了货物的出入库顺序对调度的影响。通过改变批次订单中任务的执行顺序减少了堆垛机的空载运行时间,从而进一步地提高执行效率,使得订单的总完工时间得到优化。然后根据立体库的作业特点建立了运动学模型,抽象出优化问题的目标函数,并将问题类比为旅行商问题（Travelling Salesman Problem,TSP）。因此本文采用改进灰狼优化算法（Improve Grey Wolf Optimizer,IGWO）进行求解。通过标准测试函数进行测试,证明了该算法的有效性。最后MATLAB的模型仿真结果表明,该算法求解的结果更加稳定且能求得更优的作业序列。（2）出库货位优化问题。针对时间属性影响着货物的价值,且超过货物保质期的货物通常会失去价值进而成为呆滞库存的问题。当前的大部分的研究缺乏对时间属性与出库货位优化问题的分析。因此,本文在最短路径原则的基础上,将货物出库临期率（时间属性）引入到优化问题中,建立了多目标组合优化模型,采用遗传算法求解,提出了基于遗传算法的出库货位优化方法。此外,针对基本遗传算法在编码方面不适用于本文编码的问题,根据货物出库时所处选择与不选择两个状态设计了非二进制的01编码,并通过MATLAB对模型进行求解验证了改进后算法的有效性。仿真结果表明,本文提出的基于遗传算法的出库货位优化方法可以通过改变临期风险系数来调整系统对呆滞库存问题的影响。与传统的按照最短路径原则、固定时间的出库方式相比,该方法性能稳定并且能以最小的路径代价下解决呆滞库存问题。本文方法着重研究了调度优化与出库货位优化两个方面的问题,有效的提高了自动化立体库作业效率,解决了特殊工况下的呆滞库存问题。