作为国民经济的重要组成部分，模具工业的自动化程度情况在很大程度上决定了生产企业的生产效率。随着现代企业生产规模的不断提升，仓储系统自动化程度的高低已成为迫在眉睫的重要问题。本文以模具仓储为研究背景，结合现代智能优化理论在工程领域的应用，以提高运行效率和智能化管理水平为目标，展开模具自动化仓储优化与调度的研究。　　自动化仓储系统本身具有动态、随机、多目标、离散等众多特殊属性，因此针对具有这些类复杂特性的仓储系统进行优化，若采用传统的方法求解，则过程长并且很难求得最优解。本文对仓储作业中的库位管理、路径选择、运输路线规划等问题的处理采用遗传算法进行优化研究。　　遗传算法模拟了生物种群的进化过程，它的本质是一种对被分析对象的高效全局搜索的方法。它在搜索过程中能高效地利用已知信息，自动积累或获取有关被搜索空间的知识，并能对搜索参数进行约束，使其最终趋向最优解。对基于仓储位置和调度路径的编码，本文设计了与之相对应的种群初始化、选择、交叉、变异等诸多与之相关的遗传算子，同时也针对算子中的相关参数进行了研究和规划。　　研究表明，通过合理的建模、有效的调度，再采用优化技术就能很好解决模具仓储在各种约束条件下的调度和分配问题，实现仓储与调度的自动化、高效化和合理化。本文在解决仓储系统优化的问题上采用了遗传算法，实践表明，通过采用遗传算法可以提高仓储系统科学规划水平，提高生产效率。遗传算法是求解组合优化问题的优秀算法。