伴随着物流行业的快速发展,对物流企业的考验随之增加,一些大型物流企业之间的竞争也是愈演愈烈。大宗货物怎样实现高效的出入库操作(搬运、装卸和库存)成为企业降低成本提高竞争力的关键点。论文以配送中心大宗货物为研究对象,整合了基于大规模5G MIMO定位技术和叉车搬运调度算法,对整个大宗货物配送中心内人员和车辆实时监控调度,实现了高效的出入库操作。论文主要研究内容包括:(1)为实现大宗货物配送中心人和车定位监控调度作业优化,把基于5G MIMO定位技术和叉车搬运调度算法应用于大宗货物配送中心内,在配送中心原有的ERP系统加入新的监控调度模块,并且配送中心搬运人员配置移动定位终端,这样以来ERP系统可以实时显示位置信息,方便叉车搬运调度,从整体上实现配送中心人员和叉车合理地监控调度,从而实现高效的出入库作业,降低运营成本。(2)针对大型配送中心室内环境的复杂性,以及5G mm Wave定位信号的光学特性,提出一种新颖的信道压缩方法进行MIMO室内定位信号的预处理,通过信道压缩方法适当量化和选择接收的mmWave信号,即LOS视距定位信号,把NLOS分量剔除,确保信号接收的准确性以及降低计算难度。(3)针对大型配送中心室内环境特点,提出了基于RSS-AoA的融合定位方法,该方法可以在LOS和NLOS传播条件下提供移动目标的精确估计,即设计出适合于大型配送中心室内的定位算法。(4)为使配送中心内叉车搬运距离最小化和合理使用搬运车辆(叉车)来平衡叉车工作量,建立同时考虑搬运距离和搬运线路间长度差最小化的目标模型。针对模型的特点构造改进的遗传算法(MEGA),在种群迭代中采用全新多级演化(Multi-level Evolution)的迭代过程来提高算法优越性。在仿真环境下,配送中心内叉车搬运调度算法得到了有效的验证。