近年来,自动化立体仓库的硬件设备、自动控制和通讯技术已经十分完善,而自动化立体仓库的优化管理、调度方面还存在不足。因此,在保证拣选任务准确、及时完成的同时,如何优化拣选作业路径是自动化立体仓库管理者所要面临的一个重要问题。从查阅文献看,目前在自动化立体仓库拣选作业路径优化的研究领域大都集中在对遗传算法和蚁群算法的改进或相互结合上,对新算法如粒子群算法的应用研究比较少,而且对群智能算法的比较研究也不多。论文借鉴当前群智能算法的学术研究成果,针对自动化立体仓库固定货架堆垛机拣选作业路径优化方法进行探索性研究。1.详细研究了群智能优化算法——遗传算法、蚁群算法和粒子群算法的基本原理和操作步骤。2.研究了遗传算法、基本蚁群算法和基本粒子群算法解决拣选作业路径优化问题的具体实现技术,利用Matlab软件分别编程求解拣选作业的最小时间代价及优化路径。3.将基本粒子群算法与遗传算法相结合,先利用基本粒子群算法选取初始种群,然后再利用遗传算法优化;提出了基于模拟退火的粒子群算法,对基本粒子群算法的程序进行改进,求解拣选作业路径优化问题,得到了较好的效果。4.通过对求解结果进行比较分析,得出结论:基本蚁群算法在解决拣选作业路径优化问题时,收敛速度快,求解效果最好;基本粒子群算法结合遗传算法的求解效果优于单纯遗传算法和基本粒子群算法;基于模拟退火的粒子群算法在求解拣选作业路径优化问题时,粒子位置更新受到约束,当设定合适的最大迭代次数时可以取得较好的效果。通过权衡各算法的时间和空间复杂度、优缺点和求解效果,在实际应用中可以考虑应用基于模拟退火的粒子群算法来求解拣选作业路径优化问题。