自动化立体仓库（Automated Storage/Retrieval Systems,AS/RS）作为现代物流的重要组成部分,集存储、运输、分发等多项功能于一体,已广泛应用于各行各业。其通过使用自动化运输设备以及计算机信息系统,有效地减少了仓储作业人员的工作量,提高了物流运输效率。但就目前AS/RS的使用情况而言,多数出入库任务的确定仍取决于仓储作业人员的习惯和经验,致使出入库效率低下,并没有完全发挥AS/RS该有的作用。因此,研究如何更好地安排AS/RS的出入库任务,从而充分利用AS/RS,具有较强的实用价值及研究意义。本文以AS/RS为研究对象,针对其动态工况下一系列出入库任务,考虑对入库任务的货位分配以及出库任务的作业调度同时进行决策,并根据需求分别建立了单目标和多目标作业集成优化模型。同时,以狼群算法为基本优化手段,针对不同模型,通过重新设计算法的更新机制和算法的流程,提出相应的改进狼群算法进行求解。主要研究内容概括如下。首先,对单目标AS/RS作业集成优化问题进行了细致描述,并建立了以指令序列最小完工时间为优化目标的单目标AS/RS作业集成优化模型。针对问题提出了一种两阶段狼群算法用于求解。算法将整个集成优化过程设计为一个闭环,求解过程中体现出了货位分配和作业调度两个优化问题之间的关联和反馈。通过设计对比实验,证明了在不同的订单规模下,两阶段狼群算法相比其他优化方式均能得出满意解,能够有效缩短自动化立体仓库的作业时间。其次,对指令序列作业能耗最小化、作业过程重心期望值最小化进行了定义,并结合指令序列作业时间最小化,建立了多目标作业集成优化模型。针对多目标优化问题的特性,在本文所提出的两阶段狼群算法的基础上引入了多目标优化概念,结合快速非支配排序、拥挤距离计算以及外部档案思想,并加以意向头狼概念,提出了两阶段多目标狼群算法。最后将该算法用于求解不同优化目标数的多目标AS/RS作业集成优化问题,实验结果表明了该算法所获得的Pareto最优解集更优,验证了该算法的有效性。最后,针对实际仓储作业下的AS/RS作业集成优化问题,以某卷烟厂叶片库为研究对象,结合所建立的多目标AS/RS作业集成优化模型,使用两阶段多目标狼群算法进行求解。实验结果证明了算法能够有效解决实际场景下的作业集成优化问题。论文最后采用了一种熵权TOPSIS法用以从算法运算所得出Pareto最优解中确定一种综合最优方案,帮助仓储作业人员更好的决策出入库作业任务。