随着工业4.0时代的到来,市场的需求越来越多样化,所有企业要想在激烈的竞争中不被淘汰,就必须适应潮流的发展引进先进的生产制造模式。当前国家政策大力正扶持企业科技创新,我国制造业正逐步向智能制造时代迈进。而国内土地成本和劳动力成本在不断攀升,传统的物流及仓储系统已经不能满足企业的需求,自动化立体仓库作为目前最先进的仓储技术之一,开始受到企业的重视。自动化立体仓库由来已久,以其空间利用率高、出入库效率高、周转速度快等优点,已在各行业广泛应用。国内外对立体仓库优化研究也有不少,其中货位优化研究能够在不增加仓库硬件设施投资的基础上充分利用仓库空间、提高仓库效率而受到广大学者的追捧。目前,自动化立体仓库货位优化方面的研究也较成熟,多数研究以货架重心最低,货物周转速度最快建立数学模型来求解此问题。粒子群算法、遗传算法和模拟退火算法等在货位优化问题中的应用较多且效果较好。而灰狼算法是一种新的智能算法,未用于货位优化问题。本文选取效果较好的粒子群算法和灰狼算法应用于同一个货位优化模型中。文章结合锂电池高温静置库及存放货物的属性,对货位优化模型进行数学建模。文中将立体仓库模型按照货架的排,列,层分成仓库的货位,将自动化立体仓库看成一个三维的长方体空间,每个货位用其所在的排,列,层数表示位置。(1)根据货位优化周转率原则,以需要优化的所有货物周转率和出入库时间乘积之和最小建立目标函数一。(2)根据货位优化重心最低原则,以需要优化的所有货物质量与其所在层数乘积之和最小建立目标函数二。(3)根据货架抗倾覆性原则,以单巷道两边货架存放的货物重量之差最小建立目标函数三。(4)最后运用层次分析法为三个子目标函数确定权重,得到最后的目标函数,将货位优化问题转换为单目标优化问题。最后,根据仓库参数设计粒子群算法和灰狼算法参数分别对目标函数进行优化求解,证明算法在此问题上的可行性,并对比优化前后的效果,以及两种不同算法在货位优化问题上的优劣性。